×

用于压缩传感和矩阵补全的参数化准软阈值算子。 (英语) Zbl 1442.65078号

摘要:压缩传感和矩阵补全是信号采集和处理的两种新方法。尽管这两种方法不同,但它们之间有着密切的联系。我们引入了一个参数化的准软阈值算子,并将其用于获得压缩感知和矩阵补全的新算法。此外,通过在每次迭代中更新参数化的准软阈值算子,得到了变参数准软阈值算法。对算法的收敛性进行了分析,数值结果表明,新算法可以有效地提高精度。

MSC公司:

65层55 低阶矩阵逼近的数值方法;矩阵压缩
15A83号 矩阵完成问题
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Baraniuk,R。;达文波特,M。;DeVore,R。;Wakin,M.,随机矩阵限制等距性的简单证明,Constr Approx,28,3,253-263(2008)·Zbl 1177.15015号 ·文件编号:10.1007/s00365-007-9003-x
[2] Bayram,I.,关于带弱凸惩罚的迭代收缩/阈值算法的收敛性,IEEE Trans-Signal Process,64,6,1597-1608(2016)·Zbl 1412.94018号 ·doi:10.1109/TSP.2015.2502551
[3] Blumensath,T。;Davies,M.,稀疏近似的迭代阈值,傅里叶分析应用杂志,14,5,629-654(2008)·兹比尔1175.94060 ·doi:10.1007/s00041-008-9035-z
[4] Blumensath,T。;Davies,M.,《压缩感知的迭代阈值法》,《应用计算哈蒙分析》,第27、3、265-274页(2009年)·Zbl 1174.94008号 ·doi:10.1016/j.acha.2009.04.002
[5] 蔡,J-F;坎迪斯,EJ;Shen,Z.,矩阵补全的奇异值阈值算法,SIAM J Optim,20,41956-1982(2010)·Zbl 1201.90155号 ·doi:10.1137/080738970
[6] 坎迪斯,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
[7] Dong,B。;Zhang,Y.,基于小波框架的图像恢复中的(l_0)最小化高效算法,科学计算杂志,54,2,350-368(2013)·Zbl 1288.94010号 ·数字对象标识代码:10.1007/s10915-012-9597-4
[8] 多诺霍,DL;约翰斯通,I。;Montanari,A.,通过与极大极小去噪的连接准确预测压缩传感中的相变,IEEE Trans-Inf理论,59,6,3396-3433(2013)·Zbl 1364.94092号 ·doi:10.1109/TIT.2013.2239356
[9] 福纳西尔,M。;Rauhut,H.,迭代阈值算法,应用-计算-哈蒙分析,25187-208(2008)·兹比尔1149.65038 ·doi:10.1016/j.acha.2007.10.005
[10] Fornasier M、Maly J、Naumova V(2018)《不准确和不完整测量的稀疏PCA》。arXiv:1801.06240
[11] 高,H-Y;Bruce,AG,Wavestreck with firm restrict,Stat Sin,7855-874(1997)·Zbl 1067.62529号
[12] 黑尔,ET;尹,W。;Zhang,Y.,(l_1)最小化的定点延拓:方法论与收敛性,SIAM J Optim,19,3,1107-1130(2008)·Zbl 1180.65076号 ·数字对象标识代码:10.1137/070698920
[13] Jain,P。;梅卡,R。;Dhillon,IS,通过奇异值投影保证秩最小化,Adv Neural Inf Process Syst,23937-945(2010)
[14] Lee,K。;Wu,Y。;Bresler,Y.,通过稀疏功率因数分解对一类稀疏低秩矩阵的近最优压缩感知,IEEE Trans-Inf理论,64,3,1666-1698(2018)·Zbl 1390.94261号 ·doi:10.1109/TIT.2017.2784479
[15] Liu D,Zhou T,Qian H,Xu C,Zhang Z(2013)一种几乎无偏的矩阵完成方法。在:关于数据库中的机器学习和知识发现的欧洲会议,第8189卷。柏林施普林格,第210-225页
[16] Loris,I。;Verhoeven,C.,关于不可分离惩罚情况下迭代软阈值算法的推广,逆问题,27,12,1-15(2011)·Zbl 1233.65039号 ·doi:10.1088/0266-5611/27/12/125007
[17] 马,S。;Goldfarb博士。;Chen,L.,矩阵秩最小化的不动点和Bregman假设方法,数学程序,128,1,321-353(2011)·Zbl 1221.65146号 ·doi:10.1007/s10107-009-0306-5
[18] Mazumder,R。;JH弗里德曼;Hastie,T.,SparseNet:非凸罚的协调下降,美国国家统计协会,1061125-1138(2011)·Zbl 1229.62091号 ·doi:10.1198/jasa.2011.tm09738
[19] Natarajan,BK,线性系统的稀疏近似解,SIAM J Compute,24227-234(1995)·Zbl 0827.68054号 ·doi:10.1137/S0097539792240406
[20] Recht,B。;法泽尔,M。;Parrilo,PA,通过核范数最小化保证线性矩阵方程的最小秩解,SIAM Rev,52,3,471-501(2010)·Zbl 1198.90321号 ·数字对象标识代码:10.1137/070697835
[21] Selesnick,I.,通过凸分析实现稀疏正则化,IEEE Trans-Signal Process,65,17,4481-4494(2017)·Zbl 1414.94545号 ·doi:10.1109/TSP.2017.2711501
[22] 沃罗宁,S。;Woerdeman,HJ,稀疏约束反问题的一种新的迭代固定阈值算法,应用计算-哈蒙分析,35,151-164(2013)·Zbl 1294.65039号 ·doi:10.1016/j.acha.2012.08.04
[23] 伍德沃思,J。;Chartrand,R.,《通过非凸收缩惩罚实现压缩传感恢复》,《逆问题》,32,7,1-25(2016)·Zbl 1347.65111号 ·doi:10.1088/0266-5611/32/7/075004
[24] 徐,A-B;Xie,D.,矩阵完成的低秩近似追踪,机械系统信号处理,95,77-98(2017)·doi:10.1016/j.ymssp.2017.03.024
[25] Zhang,C-H,最小最大凹惩罚下的几乎无偏变量选择,Ann Stat,38,2,894-942(2010)·Zbl 1183.62120号 ·doi:10.1214/09-AOS729
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。