×
吴彩英；王静；简·哈罗德·阿坎塔拉；陈，Jein-Shan

信号重建的平滑策略和共轭梯度算法。 （英语） Zbl 1462.90143号

科学杂志。计算。 87，第1号，第21号论文，第18页（2021年）.
摘要：本文针对信号重构问题，提出了一种新的平滑策略和共轭梯度算法。理论上，所提出的共轭梯度算法以及绝对值函数的平滑函数被证明具有一些保证全局收敛的良好性质。数值实验和比较表明，该算法是一种有效的稀疏恢复方法。此外，我们还证明了该方法在信号重构问题上比现有的一些求解器具有一些优势。

引用于5文件

MSC公司：

90立方厘米 互补、平衡问题和变分不等式（有限维）（数学规划方面）

关键词：

\（lp）-范数正则化；信号恢复；共轭梯度算法；稀疏解

软件：

内斯塔
PDF格式BibTeX公司 XML格式引用
\textit{C.Wu}等人，《科学杂志》。计算。87，第1号，第21号论文，18页（2021；Zbl 1462.90143）
全文： 内政部

参考文献：

[1] Baraniuk，R.，压缩传感，IEEE信号处理。Mag.，24，118-121（2007）·doi:10.1109/MSP.2007.4286571
[2] 贝克，A。；Teboulle，M.，线性反问题的快速迭代收缩阈值算法，SIAM J.成像科学。，2, 1, 183-202 (2009) ·兹比尔1175.94009 ·doi:10.1137/080716542
[3] 贝克尔，S。；Bobin，J。；Candès，E.，NESTA:稀疏恢复的快速准确一阶方法，SIAM J.Imaging Sci。，4, 1, 1-39 (2011) ·Zbl 1209.90265号 ·数字对象标识代码：10.1137/090756855
[4] AM布鲁克斯坦；多诺霍，DL；Elad，M.，《从方程组的稀疏解到信号和图像的稀疏建模》，SIAM Rev.，51，34-81（2009）·Zbl 1178.68619号 ·doi:10.1137/060657704
[5] Candès，EJ，《受限等距特性及其对压缩传感的影响》，Comptes Rendus Mathematique，346，9-10，589-592（2008）·Zbl 1153.94002号 ·doi:10.1016/j.crma.2008.03.014
[6] 坎迪斯，EJ；Randall，PA，通过凸规划进行高鲁棒性错误纠正，IEEE Trans。《信息论》，54，2829-2840（2008）·兹比尔1332.94096 ·doi:10.1109/TIT.2008.924688
[7] 坎迪斯，EJ；J.隆伯格。；Tao，T.，《鲁棒不确定性原理：从高度不完整的频率信息中精确重建信号》，IEEE Trans。《信息论》，52，489-509（2006）·Zbl 1231.94017号 ·doi:10.1109/TIT.2005.862083
[8] 坎迪斯，EJ；JK隆伯格；Tao，T.，从不完整和不准确的测量中恢复稳定信号，Commun。纯应用程序。数学。，59, 8, 1207-1223 (2006) ·邮编1098.94009 ·doi:10.1002/cpa.20124年
[9] 坎迪斯，EJ；Tao，T.，《从随机投影中恢复近似最优信号：通用编码策略》，IEEE Trans。Inf.理论，52，5406-5425（2004）·Zbl 1309.94033号 ·doi:10.1109/TIT.2006.885507
[10] 坎迪斯，EJ；Tao，T.，线性规划解码，IEEE Trans。《信息论》，51，12，4203-4215（2005）·Zbl 1264.94121号 ·doi:10.1109/TIT.2005.858979
[11] 坎迪斯，EJ；Tao，T.，从随机投影中恢复近最优信号：通用编码策略？，IEEE传输。Inf.理论，52，12，5406-5425（2006）·Zbl 1309.94033号 ·doi:10.1109/TIT.2006.885507
[12] 陈，X。；Ye，Y。；王，Z。；Ge，D.，无约束极小化的复杂性，数学。程序。，143, 371-383 (2014) ·Zbl 1285.90039号 ·doi:10.1007/s10107-012-0613-0
[13] 陈，X。；周伟，利用非光滑非凸极小化平滑非线性共轭梯度法进行图像恢复，SIAM J.成像科学。，3, 4, 765-790 (2010) ·兹比尔1200.65031 ·数字对象标识代码：10.1137/080740167
[14] 陈，X。；Zhou，W.，（l_2-l_p）最小化的重加权（l_1）最小化算法的收敛性，计算。最佳方案。申请。，59, 47-61 (2014) ·Zbl 1326.90062号 ·doi:10.1007/s10589-013-9553-8
[15] Daubechies，I。；DeVore，R。；Fornasier，M。；Güntük，S.，稀疏恢复的迭代加权最小二乘最小化，Commun。纯应用程序。数学。，63, 1-38 (2010) ·Zbl 1202.65046号 ·doi:10.1002/cpa.20303
[16] Donoho，D.，压缩传感，IEEE Trans。《信息论》，52，4，1289-1306（2006）·兹比尔1288.94016 ·doi:10.1109/TIT.2006.871582
[17] Friedman，J.、Hastie，T.、Tibshirani，R.：关于群套索和稀疏群套索的注释。统计理论（math.ST）。于2010年1月5日提交
[18] Ge博士。；蒋，X。；Ye，Y.，关于（L_p）最小化复杂性的注记，数学。程序。，129, 285-299 (2011) ·Zbl 1226.90076号 ·doi:10.1007/s10107-011-0470-2
[19] Gribnoval，R。；Nielsen，M.，碱基并集中的稀疏分解，IEEE Trans。《信息论》，49，3320-3325（2003）·Zbl 1286.94032号 ·doi:10.1109/TIT.2003.8200031
[20] 黑尔，ET；尹，W。；Zhang，Y.，（ell_1）-最小化的定点延拓：方法论和收敛性，SIAM J.Optim。，19, 1107-1130 (2008) ·Zbl 1180.65076号 ·数字对象标识代码：10.1137/070698920
[21] Koh，K。；Kim，S。；Boyd，S.，《大规模（l_1）正则化logistic回归的内点方法》，J.Mach。学习。第8159-1555号决议（2007年）·Zbl 1222.62092号
[22] 赖，M-J；Wang，J.，欠定线性系统稀疏解的无约束（l_q）极小化，SIAM J.Optim。，21, 1, 82-101 (2011) ·Zbl 1220.65051号 ·数字对象标识代码：10.1137/090775397
[23] 赖，M-J；Xu，Y。；Yin，W.，无约束平滑（l_q）最小化的改进迭代加权最小二乘法，SIAM J.Numer。分析。，第51、2、927-957页（2013年）·Zbl 1268.49038号 ·doi:10.1137/110840364
[24] Natarajan，BK，线性系统的稀疏近似解，SIAM J.Compute。，24, 227-234 (1995) ·Zbl 0827.68054号 ·doi:10.1137/S0097539792240406
[25] Nguyen，康涅狄格州；Saheya，B。；Chang，Y-L；Chen，J-S，与二阶锥相关的绝对值方程的统一平滑函数，应用。数字。数学。，135, 206-227 (2019) ·兹比尔1411.90338 ·doi:10.1016/j.apnum.2018.08.019
[26] 北卡罗来纳州西蒙。；弗里德曼，J。；Hastieand，T。；Tibshirani，R.，《稀疏群套索》，J.Compute。图表。统计，22，231-245（2013）·doi:10.1080/10618600.2012.681250
[27] 王，X。；刘，F。；Jiao，连卡佛；吴杰。；Chen，J.，压缩传感信号重构的不完全变量截断共轭梯度法，信息科学。，288, 387-411 (2014) ·兹比尔1355.94018 ·doi:10.1016/j.ins.2014.08.018
[28] Wang，Y。；尹，W。；郑，J.，非凸非光滑优化中ADMM的全局收敛性，科学学报。计算。，78, 29-63 (2019) ·Zbl 1462.65072号 ·doi:10.1007/s10915-018-0757-z
[29] 吴，C。；詹，J。；卢，Y。；Chen，J-S，基于平滑范数的共轭梯度算法信号重构，Calcolo，56，4，1-26（2019）·Zbl 1434.90199号 ·doi:10.1007/s10092-019-0340-5
[30] Wu，C.，Zhang，J.，Chen，J.-S.：求解稀疏解的弹性无约束（l_q-l_1）最小化，提交的手稿（2019）
[31] 徐，Z。；Chang，X。；徐，F。；Zhang，H.，（L_{1/2}）正则化：阈值表示理论和快速求解器，IEEE Trans。神经网络。学习。系统。，23, 1013-1027 (2012) ·doi:10.1109/TNNLS.2012.2197412
[32] 尹，K。；Xiao，YH；Zhang，ML，压缩传感中\（l_1\）-范数正则化问题的非线性共轭梯度方法，计算。信息系统。，7, 880-885 (2011)
[33] Zhang，C.，最小最大凹惩罚下的几乎无偏变量选择，《美国统计年鉴》，38，894-942（2010）·Zbl 1183.62120号 ·doi:10.1214/09-AOS729
[34] Zhang，Y。；Ye，W.，弹性（l_2-l_q）最小化的迭代重加权（l_1）算法稀疏恢复，优化，66，10，1677-1687（2017）·Zbl 1384.90096号 ·doi:10.1080/02331934.2011.1359590
[35] 邹，H。；Hastie，T.，《通过弹性网进行正则化和变量选择》，J.R.Stat.Soc.Ser。B-Stat.方法。，67, 301-320 (2005) ·Zbl 1069.62054号 ·文件编号：10.1111/j.1467-9868.2005.005.x
[36] 朱，H。；Xiao，YH；Wu，SY，基于平滑技术的共轭梯度算法恢复大型稀疏信号，计算。数学。申请。，66, 24-32 (2013) ·Zbl 1391.94481号 ·doi:10.1016/j.camwa/2013.04.022
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。