版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、稀疏恢復問題在如圖像處理、疾病檢測、氣候預測、機器學習等領域均有廣泛的應用背景,近年來得到了大量的關注和研究。然而隨著數(shù)據(jù)采集技術水平的進步和研究的深入,數(shù)據(jù)規(guī)模急劇增加,對算法效率的要求越來越高。而原對偶方法結構簡單、計算快速,對于大規(guī)模問題優(yōu)勢明顯。同時,更多類不可微稀疏恢復問題的出現(xiàn)也給原對偶算法的發(fā)展提出了迫切要求。本文重點研究了稀疏恢復模型及其推廣格式的原對偶算法,具體包括:
一、對經(jīng)典的l1-范數(shù)極小化模型提出了基
2、于近似點的原對偶算法,進一步結合Nesterov加速、Reset/Skip加速技巧提高算法效率。新算法改進了線性Bregman算法參數(shù)選擇方面的缺陷,避免參數(shù)選取對模型的依賴,并可用于非壓縮感知的稀疏恢復問題求解。最后通過實驗驗證新算法可在參數(shù)選取必要條件無法滿足時保證算法的計算精度。
二、在l1-范數(shù)極小化模型的基礎上引入了塊結構稀疏性的考量,提出了兩種求解該塊結構稀疏恢復模型的新算法。第一種是基于塊結構稀疏性的線性Breg
3、man算法,拓展了線性Bregman算法的內容;第二種算法是基于近似點的塊結構原對偶算法,改善了前一種算法參數(shù)選擇方面的缺陷。并通過理論分析驗證了兩種算法的收斂性。最后利用數(shù)值實驗說明新算法相較線性Bregman算法的計算速度和精度成倍數(shù)增長。
三、對一類普適的范數(shù)極小化問題,在一般化增廣原對偶算法的基礎上提出了基于Continuation技巧的增廣原對偶算法框架。并給出了各類具體的適用于此算法框架的各類稀疏恢復實例,驗證了該
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 聯(lián)合稀疏恢復新型算法及其應用研究.pdf
- 基于原對偶的圖像恢復模型的數(shù)值方法研究.pdf
- 稀疏編碼算法及其應用研究.pdf
- 圖像稀疏編碼算法及其應用研究.pdf
- 信息稀疏表示算法及其在圖像恢復中應用的研究.pdf
- 主對偶不動點算法在稀疏優(yōu)化問題中的應用.pdf
- 基于變分和小波的原對偶混合模型恢復方法.pdf
- 快速稀疏恢復算法研究.pdf
- 圖像稀疏編碼算法及應用研究.pdf
- 稀疏沖激響應的自適應濾波算法及其應用研究.pdf
- 稀疏約束非負矩陣分解算法及其應用研究.pdf
- 組稀疏表示算法和應用研究.pdf
- 無模型控制算法及其應用研究.pdf
- 算法交易、違約模型及其應用研究.pdf
- 信號的稀疏表達及其應用研究.pdf
- 原-對偶內點算法用于優(yōu)化問題的研究及其在風險投資領域的應用.pdf
- 稀疏自然計算的學習算法及應用研究.pdf
- 圖像稀疏恢復的特征表示算法研究.pdf
- 基于稀疏表示及卡通—紋理模型的相位恢復算法研究.pdf
- 圖像修補模型、算法及其應用研究.pdf
評論
0/150
提交評論