Oct, 2013

子空间最稀疏元素恢复的尺度律

PDF
TL;DR本文介绍了一种用于从一个由稀疏向量和 k 个随机向量张成的子空间中恢复稀疏向量的方法，并证明了当其支撑大小 s 满足 s ≦ n/√(k log n) 时，这种方法的稀疏向量恢复率较高；此外，该方法还可以近似地处理稀疏向量，但需要根据任何代理来选择最稀疏的输出，不同的代理对这种方法的表现也会有所影响，其中选出的代理越来越基于 ℓ1/ℓ2 范数，比起 ℓ1/ℓ∞ 范数，这种代理的成功恢复范围更大。
sparse vectorsubspacescaling lawlinear programssparsity
发现论文，激发创造
  • 稀疏主成分分析的亚指数时间算法

    在 “可能但艰难” 的稀疏主成分分析中，我们使用亚指数时间算法的能力来探索稀疏度和恢复时间的平滑权衡，提供了一种新的演变家族，并对低阶似然比进行分析，从而证明了我们算法所实现的权衡是最优的。

    Jul, 2019

  • 在子空间中寻找稀疏向量：使用交替方向的线性稀疏化

    本研究提出了一种基于交替方向的非凸方法，可以在种植的稀疏模型下实现线性比例尺，并在稀疏字典学习等更具挑战性的数据模型中取得了成功。

    Dec, 2014

  • 具有 Oracle 属性的稀疏主成分分析

    在高维环境中，本研究针对协方差矩阵 Σ 的 k 维稀疏主子空间进行估计，提出了一种基于稀疏主成分分析的半定松弛估计方法，并在理论上证明了该方法在一定条件下具有支持恢复能力和收敛速率优势。

    Dec, 2023

  • 混合线性测量下稀疏信号的支持恢复

    该研究讨论了对于罕见的矢量从简单的测量中进行支持恢复，并考虑了混合线性回归和分类器模型，以及在这些模型中使用的算法。

    Jun, 2021

  • 次采样随机卷积的稀疏恢复改进界限

    该研究考虑了从子采样随机卷积中恢复稀疏向量的问题，并通过结合小球估计和链式技巧来改进以前的估计，并使用称为鲁棒零空间性质的方法展示了我们的结果。

    Oct, 2016

  • 基于协方差阈值的稀疏主成分分析

    该研究分析了一个新颖的协方差阈值算法，并且证明了该算法在稀疏主成分分析中恢复支持的高可靠性，同时也探讨了核随机矩阵范数的新界限。

    Nov, 2013

  • 强健子空间逼近的输入稀疏度和难度

    研究了多维欧氏空间中寻找一个 k 维子空间 F，使得一组 n 个点到该子空间的 p 次方欧氏距离和最小的问题。进一步探讨了在某些损失函数 M ()（如 Huber 和 Tukey 损失函数）下此问题的最优解。这些鲁棒子空间可替代奇异值分解（SVD）提供更有效的解决方案，对于典型的 M-Estimators，对离群值的鲁棒性更强。本文给出了一些这些鲁棒子空间逼近问题的算法和难度结果。

    Oct, 2015

  • 子空间学习的样本复杂度

    本文探讨了机器学习领域中很多算法都需要从样本中估计一个线性子空间的问题，并针对不同的度量标准推导了新的学习误差估计方法，该方法还可以用于 PCA 和光谱支持估计的尖锐误差估计，是一种具有广泛适用性的光谱学习方法的算子理论方法的重要研究成果。

    Aug, 2014

  • 近似稀疏模式恢复：信息理论下界

    本文考虑了高维设置下的稀疏向量，研究在测量速率和样品的信噪比为有限常数的情况下，稀疏模式估计的误差比例将为常数分数，并且通过与现有可实现界的比较，建立了在比例误差和信噪比的功能下的范围上限。

    Feb, 2010

  • 基于信息论的概率模型支持恢复限制

    该论文采用阈值技术中的概率模型，探讨了对于一组观测数据与数据向量之间的关系的支持恢复问题。该论文提出了通用的可行性和对偶性边界，为线性、1 位和组测试模型提供了特定的可行性和对偶性边界。

    Jan, 2015