一种基于图分解的图融合 Lasso 算法
最优化与控制
2019-08-08 v1 统计计算
摘要
本文提出一种求解图融合 Lasso（GFL）的新算法，GFL 是一种在信号倾向于在预定义图结构上局部恒定的假设下进行参数估计的方法。所提方法应用交替方向乘子法（ADMM）算法，并基于将目标函数分解为两个分量。尽管 ADMM 已广泛用于该问题，现有工作如网络 Lasso 将目标函数分解为损失函数分量与总变分惩罚分量。相比之下，本文提出将目标函数分解为两个分量，其中一个分量为损失函数加上部分总变分惩罚，另一分量为剩余的总变分惩罚。与网络 Lasso 算法相比，该方法每次迭代的计算代价更小，且在多数数值模拟中收敛更快。
引用
@article{arxiv.1908.02370,
title = {An Algorithm for Graph-Fused Lasso Based on Graph Decomposition},
author = {Feng Yu and Yi Yang and Teng Zhang},
journal= {arXiv preprint arXiv:1908.02370},
year = {2019}
}