王军;王星涛 基于拟范数逼近的稀疏信号重构。 (英语) Zbl 1449.90327号 J.工业管理。优化。 1907-1925年第4期第16页(2020年). 摘要:在本文中,我们通过模的Moreau包络对基数函数提出了两类逼近。我们证明了这两个近似是稀疏性优值函数的良好选择,本质上是截断的\(\ell_1\)范数和截断的\(\ell_2\)范数。此外,我们将这些近似应用于解决稀疏信号恢复问题,然后为重加权最小化和重加权最小二乘提供新的权重,以找到欠定线性方程组的稀疏解。最后,我们给出了一些数值实验来说明我们的结果。 引用于2文件 MSC公司: 90立方 非线性规划 65千5 数值数学规划方法 49立方米7 基于非线性规划的数值方法 49平方米25 最优控制中的离散逼近 关键词:重加权\(\ell_1\)-最小化;稀疏近似;价值函数;稀疏信号恢复 软件:PDCO公司;CoSaMP公司 PDF格式BibTeX公司 XML格式引用 \textit{J.Wang}和\textit{X.T.Wang},J.Ind.Manag。最佳方案。16,第4号,1907年--1925年(2020年;Zbl 1449.90327) 全文: 内政部 参考文献: [1] Q.Berthet;P.Rigollet,高维稀疏主成分的最佳检测,年鉴。统计,411780-1815(2013)·Zbl 1277.62155号 ·doi:10.1214/13-AOS1127 [2] Md.Z.A.Bhot;M.O.Ahmad;M.N.S.Swamy,用于图像去模糊的改进快速迭代收缩阈值算法,SIAM J.Imaging Sci。,8, 1640-1657 (2015) ·兹比尔1341.94003 ·数字对象标识代码:10.1137/140970537 [3] A.M.Bruckstein;D.L.Donoho;M.Elad,《从方程组的稀疏解到信号和图像的稀疏建模》,SIAM Review,51,34-81(2009)·Zbl 1178.68619号 ·数字对象标识代码:10.1137/060657704 [4] E.J.Candès;B.Recht,通过凸优化实现精确矩阵补全。计算。数学。,9, 717-772 (2009) ·Zbl 1219.90124号 ·doi:10.1007/s10208-009-9045-5 [5] E.J.Candès;J.罗姆伯格;陶涛,《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 [6] E.J.Candés;J.Romberg;陶涛,从不完整和不准确的测量中恢复稳定信号,Comm.Pure Appl。数学。,59, 1207-1223 (2006) ·邮编1098.94009 ·doi:10.1002/cpa.20124年 [7] E.J.Candès;陶涛,线性规划译码,IEEE Trans。《信息论》,51,4203-4215(2005)·Zbl 1264.94121号 ·doi:10.1109/TIT.2005.858979 [8] E.J.Candès;陶涛,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,52,5406-5425(2006)·Zbl 1309.94033号 ·doi:10.10109/TIT.2006.885507 [9] E.J.Candès;M.Wakin;S.Boyd,通过重加权最小化增强稀疏性,J.Fourier Ana。申请。,14, 877-905 (2008) ·Zbl 1176.94014号 ·doi:10.1007/s00041-008-9045-x [10] R.Chartrand,通过非凸最小化精确重建稀疏信号,IEEE信号处理。莱特。,14, 707-710 (2007) ·doi:10.1109/LSP.2007.898300 [11] R.Chartrand和W.Yin,压缩传感的迭代重加权算法,in:程序。国际会计准则。语音、信号处理。, 2008, 3869-3872. [12] S.S.Chen;D.L.Donoho;M.A.Saunders,通过基追踪进行原子分解,SIAM J.Sci。计算。,43, 129-159 (2001) ·Zbl 0979.94010号 ·doi:10.1137/S003614450037906X [13] A.M.Christopher;M.Arian;G.B.Richard,《从去噪到压缩传感》,IEEE Trans。Inf.Theory,625117-5144(2016)·Zbl 1359.94137号 ·doi:10.1109/TIT.2016.2556683 [14] A.科恩;W.达曼;R.DeVore,压缩传感和最佳k项近似,美国数学杂志。Soc.,22211-231(2009年)·Zbl 1206.94008号 ·doi:10.1090/S0894-0347-08-00610-3 [15] I.Daubechies;M.Defrise;M.C.De,具有稀疏约束的线性反问题的迭代阈值算法,Commun。采购。申请。数学。,57, 1413-1457 (2004) ·Zbl 1077.65055号 ·doi:10.1002/cpa.20042 [16] D.L.Donoho,压缩传感,IEEE Trans。《信息论》,521289-1306(2006)·Zbl 1288.94016号 ·doi:10.1109/TIT.2006.871582 [17] E.埃塞尔;Y.F.Lou;J.Xin,非负最小二乘问题的结构化稀疏解及其应用,SIAM J.maging Sci。,6, 2010-2046 (2013) ·Zbl 1282.90239号 ·doi:10.1137/13090540X [18] J.Fan;R.Li,通过非冲突惩罚似然选择变量及其预言性质,J.Amer。统计师。协会,96,1348-1360(2001)·兹比尔1073.62547 ·doi:10.1198/016214501753382273 [19] M.Fornasier;圣彼得;H.Rauhut;S.Worm,迭代加权最小二乘法的共轭梯度加速,计算。最佳方案。申请。,65, 205-259 (2016) ·Zbl 1353.90115号 ·doi:10.1007/s10589-016-9839-8 [20] S.Foucart和H.Rauhut,压缩传感的数学导论,Birkhaäuser,巴塞尔,2013年·Zbl 1315.94002号 [21] S.Foucart;M.Lai,通过(0<q\leq1)的(ell_q\)-最小化得到欠定线性系统的最稀疏解,ppl。计算。哈蒙。分析。,26, 395-407 (2009) ·Zbl 1171.90014号 ·doi:10.1016/j.acha.2008.09.001 [22] I.F.Gorodnitsky;B.D.Rao,使用FOCUSS从有限数据重建稀疏信号,加权最小范数算法,IEEE Trans。信号处理。,45600-616(1997年)·doi:10.1109/78.558475 [23] 黄光裕、焦彦、金斌、刘建军、陆小璐和杨振中。,一种用于非凸稀疏恢复的统一原始-对偶活动集算法,arXiv:1310.1147。 [24] 黄建中,焦彦,刘彦,卢晓霞,(L_0)惩罚回归的一种构造性方法,J.马赫。学习。物件。,19(2018),第10号论文,37页·Zbl 1444.62091号 [25] Y.Jiao;B.Jin;X.Lu,带延拓算法的原对偶活动集,用于正则优化问题,应用。计算。哈蒙。分析。,39, 400-426 (2015) ·Zbl 1329.49042号 ·doi:10.1016/j.acha.2014.10.001 [26] R.Kueng;H.Rauhut;U.Terstiege.、。,从秩一测量中恢复低秩矩阵,应用。计算。哈蒙。分析。,42, 88-116 (2017) ·Zbl 1393.94310号 ·doi:10.1016/j.acha.2015.07.007 [27] 赖先生;J.Wang,欠定线性系统稀疏解的无约束极小化(0<q\leq 1),SIAM J.Optim。,21, 82-101 (2011) ·Zbl 1220.65051号 ·数字对象标识代码:10.1137/090775397 [28] 陆振生,正则无约束非线性规划的迭代重加权极小化方法,数学规划。,147, 277-307 (2014) ·Zbl 1308.90170号 ·doi:10.1007/s10107-013-0722-4 [29] 鲁中南;X.Li,通过部分正则化实现稀疏恢复:模型、理论和算法,数学。操作。第4321290-1316号决议(2018)·Zbl 07179912号 ·doi:10.1287/门.2017.0905 [30] J.Lv;Y.Fan,使用正则化最小二乘进行模型选择和稀疏恢复的统一方法,Ann.Statist。,37, 3498-3528 (2009) ·Zbl 1369.62156号 ·doi:10.1214/09-AOS683 [31] H.Mansour;R.Saab,使用空空间属性进行加权(ell_1)最小化的恢复分析,Appl。计算。哈蒙。分析。,43,23-38(2017)·Zbl 1384.94008号 ·doi:10.1016/j.acha.2015.10.005 [32] F.D.Marco;A.D.马克;T.Dharmpal等人,《通过压缩采样的单像素成像》,IEEE Trans。《信号杂志》,2583-91(2008)·doi:10.1109/MSP.2007.914730 [33] H.Mohimani;B.Z.Massoud;C.Jutten,基于平滑范数的过完备稀疏分解的快速方法,IEEE Trans。信号处理。,57, 289-301 (2009) ·Zbl 1391.94325号 ·doi:10.1109/TSP.2008.2007606 [34] B.K.Natarajan,线性系统的稀疏近似解,SIAM J.Comput。,24, 227-234 (1995) ·Zbl 0827.68054号 ·doi:10.1137/S0097539792240406 [35] D.尼德尔;J.A.Tropp,CoSaMP:不完整和不准确样本的迭代信号恢复,应用。计算。哈蒙。分析。,26, 301-321 (2009) ·Zbl 1163.94003号 ·doi:10.1016/j.acha.2008.07.002 [36] H.L.Royden和P.M.Fitzpatrick,《真实分析》,第四版,麦克米伦出版公司,纽约,2010年·兹比尔1191.26002 [37] I.Selesnick,通过凸分析的稀疏正则化,IEEE Trans。信号处理。,65, 4481-4494 (2017) ·Zbl 1414.94545号 ·doi:10.1109/TSP.2017.2711501 [38] 一、塞莱斯尼克;M.Farshchian,通过不可分离正则化进行稀疏信号近似,IEEE Trans。信号处理。,65, 2561-2575 (2017) ·Zbl 1414.94546号 ·doi:10.1109/TSP.2017.2669904 [39] G.W.Stewart,关于标度投影和伪逆,线性代数应用。,112, 189-193 (1989) ·Zbl 0658.15003号 ·doi:10.1016/0024-3795(89)90594-6 [40] B.田;X.Yang;孟凯,不等式约束非线性优化的内点罚方法,J.Ind.Manag。最佳。,12, 949-973 (2016) ·Zbl 1328.90144号 ·doi:10.3934/jimo.2016.12.949 [41] R.Tibshirani,通过套索进行回归收缩和选择,J.Roy。统计师。Soc.序列号。B、 58、267-288(1996)·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x [42] J.A.Tropp;A.C.Gilbert,通过正交匹配追踪从随机测量中恢复信号,IEEE Trans。《信息论》,53,4655-4666(2007)·Zbl 1288.94022号 ·doi:10.1109/TIT.2007.909108 [43] J.Wang;X.T.Wang,由两个优化问题分解的稀疏近似重建,Circ。系统。信号处理。,37, 2164-2178 (2018) ·Zbl 1426.94063号 ·doi:10.1007/s00034-017-0667-6 [44] D.擦拭;S.Nagarajan,用于寻找稀疏解的迭代重加权\(\ell_1\)和\(\ell_2\)方法,IEEE J.Select。主题信号处理。,4, 317-329 (2010) ·doi:10.1109/JSTSP.2010.2042413 [45] J.Wright;杨安忆;G.Arvind等人,通过稀疏表示实现鲁棒人脸识别,IEEE Trans。模式分析和机器智能,31210-227(2008)·doi:10.1109/AFGR.2008.4813404 [46] P.Yin,Y.Lou,Q.He和J.Xin,压缩传感的最小化,SIAM J.科学。计算。,37(2015),A536-A563·Zbl 1316.90037号 [47] 张春华,极小极大凹罚下的几乎无偏变量选择,统计学家。科学。,2, 894-942 (2010) ·Zbl 1183.62120号 ·doi:10.1214/09-AOS729 [48] C.-H.Zhang;T.Zhang,高维稀疏估计问题的凹正则化的一般理论,Statist。科学。,27, 576-593 (2012) ·兹比尔1331.62353 ·doi:10.1214/12-STS399 [49] 张涛,稀疏正则化的多级凸松弛分析,J.Mach。学习。第11号决议,1081-1107(2010年)·Zbl 1242.68262号 [50] Y.-B.Zhao,基于RSP的欠定线性系统稀疏和最小范数解分析,IEEE Trans。信号处理。,61, 5777-5788 (2013) ·Zbl 1394.94697号 ·doi:10.1109/TSP.2013.2281030 [51] Y.-B.赵;M.Kocvara,线性方程组最稀疏解的新计算方法,SIAM J.Optim。,25, 1110-1134 (2015) ·Zbl 1320.65060号 ·doi:10.1137/140968240 [52] Y.Zhao;D.Li,重加权(ell_1)-欠定线性系统稀疏解的最小化,SIAM J.Optim。,22, 1065-1088 (2012) ·Zbl 1261.65042号 ·doi:10.1137/110847445 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。