×
高雪瑞;白燕琴;李、钱

磁共振脑图像应用中的混合正则化稀疏优化问题。 （英语） Zbl 1482.90169号

J.库姆。最佳方案。 42，编号4，760-784（2021）.
摘要：正则化技术在各种各样的稀疏优化问题中被证明是有用的。本文引入了一种新的混合（L_2）-（L_p；（0<p<1）范数正则化公式。然后我们用混合正则化（L_2）-（L_p）建立了一个稀疏优化问题的模型。为了解决这个问题，我们推导了它的局部最优性条件，并发展了一种混合的（L_2）-（L_p）算法。此外，我们还分析了算法的收敛性。最后，我们将我们的模型和算法应用于脑磁共振图像的图像恢复和去模糊。数值试验表明，与信噪比值相比，使用合适参数的混合L_2-（L_p）算法获得的恢复图像和去模糊图像的效果分别优于其他三种算法。

引用于1文件

理学硕士：

90C26型 非凸规划，全局优化
90立方厘米 数学规划中的最优性条件和对偶性
90 C90 数学规划的应用
65千5 数值数学规划方法

关键词：

稀疏优化;混合\（L_2\）-\（L_p\）正则化;最优性条件;脑磁共振成像;图像恢复与去模糊
PDF格式BibTeX公司 XML格式引用
\textit{X.Gao}等人，J.Comb。最佳方案。42，第4号，760--784（2021；Zbl 1482.90169）
全文： 内政部

参考文献：

[1] Bai，MZ；任，CY；Liu，Y.，分配问题降维优化算法的一个注记，J Comb Optim，30，4，841-849（2015）·Zbl 1326.90042号 ·doi:10.1007/s10878-015-9851-4
[2] Bai，YQ；韩，X。；Chen，T。；Yu，H.，用于目标疾病分类的二次无核最小二乘支持向量机，J Comb Optim，30，4，850-870（2015）·Zbl 1355.90076号 ·doi:10.1007/s10878-015-9848-z
[3] 贝克，A。；Teboulle，M.，线性反问题的快速迭代收缩阈值算法，暹罗成像科学杂志，2，1，183-202（2009）·Zbl 1175.94009号 ·doi:10.1137/080716542
[4] 加内斯，EJ；Tao，T.，线性规划解码，IEEE Trans-Inf理论，51，12，4203-4215（2005）·Zbl 1264.94121号 ·doi:10.1109/TIT.2005.858979
[5] 曹，WF；Sun，J。；Xu，ZB，利用（l_q（q=\frac{1}{2}，\frac{2}{3}）正则化的闭式阈值公式进行快速图像反褶积，视觉通信图像R，24，1，31-41（2013）·doi:10.1016/j.jvcir.2012.10.006
[6] 陈，XJ；周，WJ，（l_2-l_p）最小化的重加权（l_1）最小化算法的收敛性，SIAM J Compute，59，1-2，47-61（2014）·Zbl 1326.90062号
[7] 陈，XJ；Ge，DD；王，ZZ；Ye，YY，无约束\（l_2-l_p）最小化的复杂性，数学程序，143371-383（2014）·Zbl 1285.90039号 ·doi:10.1007/s10107-012-0613-0
[8] 陈，X。；风扇，ZP；Li，ZW；汉族，XL；张，X。；贾，HC，《急诊医疗服务人员选择的两阶段方法》，J Comb Optim，30，4，871-891（2015）·Zbl 1334.90138号 ·doi:10.1007/s10878-015-9856-z
[9] Cheng，WY；Li，DH，（l_1）正则化最小二乘的一种带主动集策略的预处理共轭梯度法，中国运筹学杂志，6571-585（2018）·Zbl 1424.90191号 ·文件编号：10.1007/s40305-018-0202-x
[10] Daubechies，I。；Defrise，M。；Christine，DM，稀疏约束线性反问题的迭代阈值算法，Commun Pure Appl Math，57，11，1413-1457（2004）·Zbl 1077.65055号 ·doi:10.1002/cpa.20042
[11] Donoho，DL，通过软阈值去噪，IEEE Trans-Inf理论，41，3，613-627（1995）·Zbl 0820.62002号 ·doi:10.1109/18.382009年
[12] Donoho，DL，压缩传感，IEEE Trans-Inf理论，52，4，1289-1306（2006）·Zbl 1288.94016号 ·doi:10.1109/TIT.2006.871582
[13] 范，J。；Li，R.，《基于非一致惩罚似然的变量选择及其预言属性》，美国统计协会，96，45，1348-1360（2001）·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[14] Gai，L。；Ji，JD，《解决区域约束下医疗设施布局问题的集成方法》，J Comb Optim，37，1，95C113（2019）·兹比尔1418.90225 ·doi:10.1007/s10878-017-0212-3
[15] 江，S。；方，SC；安，Q。；Lavery，JE，推荐系统中协同过滤的子one准形态相似性度量，Inform Sci，4872019，142C155（2019）
[16] 赖，MJ；Wang，JY，欠定线性系统稀疏解的无约束（l_q）极小化（0<q\le 1），SIAM J Optim，21，1，82-101（2011）·Zbl 1220.65051号 ·数字对象标识代码：10.1137/090775397
[17] 李，J。；董，M。；任，YJ；Yin，KQ，患者依从性如何影响结直肠癌筛查建议，J Comb Optim，30，4，920-937（2015）·兹比尔1327.90072 ·doi:10.1007/s10878-015-9849-y
[18] 李强。；Bai，YQ；于，CJ；Yuan，YX，（l_0\）范数最小化问题的一种新的分段二次逼近方法，中国科学数学，62，185-204（2019）·Zbl 1409.90188号 ·doi:10.1007/s11425-017-9315-9
[19] 卢，YF；阴，PH；何，Q。；Xin，J.，基于（l_1）和（l_2）之差计算高相干字典中的稀疏表示，科学计算杂志，64，1，178-196（2015）·Zbl 1327.65111号 ·doi:10.1007/s10915-014-9930-1
[20] Lustig，M。；多诺霍，DL；Pauly，JM，《稀疏磁共振成像：压缩传感在快速磁共振成像中的应用》，Magn Reson Med，581182-1195（2007）·数字对象标识代码：10.1002/mrm.21391
[21] 明绍森，N。；Yu，B.，高维数据稀疏表示的Lasso类型恢复，Ann Stat，37，1，246-270（2009）·Zbl 1155.62050号 ·doi:10.1214/07-AOS582
[22] Natraajan，BK，线性系统的稀疏近似解，SIAM J Compute，24，2，227-234（1995）·Zbl 0827.68054号 ·doi:10.1137/S0097539792240406
[23] Tibshirani，R.，《通过套索进行回归收缩和选择》，J R Stat Soc B，58，1，267-288（1996）·Zbl 0850.62538号
[24] Wright，J。；杨，AY；Ganesh，A。；萨斯特里，S。；Ma，Y.，《通过稀疏表示实现鲁棒人脸识别》，IEEE Trans-Pattern Anal，31，2，210-227（2009）·doi:10.1109/TPAMI.2008.79
[25] 徐，ZB；XY Chang；徐，FM；Zhang，H.，（l_{1/2}）正则化：阈值表示理论和快速求解器，IEEE Trans Neural Netw Learn，23，7，1013-1027（2012）·doi:10.1109/TNNLS.2012.2197412
[26] Yang，Y。；沈，B。；高，W。；刘，Y。；Zhong，LW，《考虑外科医生偏好的手术安排方法》，J Comb Optim，30，4，1016-1026（2015）·Zbl 1326.90033号 ·doi:10.1007/s10878-015-9853-2
[27] 钟，LW；Bai，YQ，其中两个作为合作伙伴的三边稳定匹配问题，J Comb Optim，37，1，286C292（2019）·Zbl 1418.90243号 ·doi:10.1007/s10878-017-0224-z
[28] Zou，H.，自适应套索及其预言性质，美国国家统计协会，1014761418-1429（2006）·Zbl 1171.62326号 ·doi:10.1198/016214500000735
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。