已閱讀1頁，還剩51頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、用于稀疏信號恢復(fù)的?1正則化基本方法在國內(nèi)外引起了極大的關(guān)注，它被廣泛應(yīng)用于基追蹤去噪、壓縮感知及其它相關(guān)領(lǐng)域.但因為模型中正則項的非光滑性，在應(yīng)用中卻往往充滿挑戰(zhàn).
第一、利用Nesterov光滑技術(shù)，把?1正則化最小二乘問題轉(zhuǎn)化為光滑無約束凸優(yōu)化問題.然后提出了一個修正的HS共軛梯度算法用于解決大規(guī)模信號恢復(fù)問題.本文證明了算法的全局收斂性.數(shù)值試驗表明提出的算法是有效性的，適合解決大規(guī)模稀疏信號恢復(fù)問題.
第二
2、、首先提出了一個用于壓縮感知信號恢復(fù)的無約束魯棒方法.即用SCAD懲罰函數(shù)代替?1正則化最小二乘問題的?1范數(shù)懲罰函數(shù)，因為SCAD的一個局部二次逼近是凸且可微的，所以目標(biāo)函數(shù)的梯度和海瑟陣很容易計算.接下來本文提出了一個基于非單調(diào)線搜索技術(shù)的超記憶梯度算法.在每一步迭代，提出的方法充分利用前面多步迭代信息，避免目標(biāo)函數(shù)海瑟陣的儲存和計算，因此它適合解決大規(guī)模信號恢復(fù)問題，且算法能夠穩(wěn)定收斂.在某些假設(shè)下，證明了提出的算法的收斂性.數(shù)值
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 解大規(guī)模優(yōu)化問題的錐模型共軛梯度法.pdf
- 線性約束優(yōu)化問題中的可行共軛梯度法.pdf
- 超解像度圖像重構(gòu)問題的共軛梯度法.pdf
- 共軛梯度法在圖像恢復(fù)中的應(yīng)用.pdf
- 非線性互補問題的共軛梯度法.pdf
- 共軛梯度法的研究.pdf
- 求解大規(guī)模無約束優(yōu)化與約束單調(diào)方程組的下降PRP共軛梯度法.pdf
- 解大規(guī)模無約束優(yōu)化問題的移動漸近線和共軛梯度混合算法.pdf
- 10764.chenharkerkanzowsmale局部光滑化函數(shù)及其在大規(guī)模混合互補問題中的應(yīng)用
- 求解非線性不適定問題的共軛梯度法.pdf
- 求解最優(yōu)化問題的非線性共軛梯度法.pdf
- 新的共軛梯度法和譜梯度法的研究.pdf
- 幾種共軛梯度法的研究.pdf
- 非單調(diào)線性搜索及其在共軛梯度法和擬牛頓法中的應(yīng)用.pdf
- 無約束優(yōu)化問題共軛梯度法的研究.pdf
- 39967.預(yù)處理共軛梯度法在軋制過程耦合中的應(yīng)用
- 改進的正則化共軛梯度法.pdf
- 基于共軛梯度法的瞬態(tài)多參量導(dǎo)熱反問題研究及在核電中的應(yīng)用.pdf
- 非線性共軛梯度法的研究.pdf
- 邊界元法在界面裂紋問題中的應(yīng)用.pdf
評論
0/150
提交評論