带初始化分析的 r-局部与 k-稀疏无标签感知交替最小化算法
信号处理
2024-12-13 v2 信息论
机器学习
math.IT
概率论
摘要
无标签感知是一种具有置换测量的线性逆问题。我们针对两种被广泛考虑的置换模型：部分洗牌/-稀疏置换与 -局部/块对角置换，提出了一种带合适初始化的交替最小化（AltMin）算法。AltMin 算法性能的关键在于初始化。对于精确无标签感知问题，假设高斯测量矩阵或次高斯信号，我们根据块数 与洗牌数 界定了初始化误差。实验结果表明我们的算法快速、适用于两种置换模型且对测量矩阵的选择具有鲁棒性。我们还在若干真实数据集上针对关联线性回归问题测试了算法，并展现出优于基线方法的性能。
引用
@article{arxiv.2211.07621,
title = {Alternating minimization algorithm with initialization analysis for r-local and k-sparse unlabeled sensing},
author = {Ahmed Abbasi and Shuchin Aeron and Abiy Tasissa},
journal= {arXiv preprint arXiv:2211.07621},
year = {2024}
}
备注
18 pages. We add more details to theoretical results. We have updated the theorem on the error bound for the k-sparse case