C-HiLasso：一种协作分层稀疏建模框架
机器学习
2015-05-19 v2 计算机视觉与模式识别
摘要
稀疏建模是数据分析和处理的强大框架。传统上，该框架中的编码通过求解 L1 正则化线性回归问题（通常称为 Lasso 或基追踪）来执行。在这项工作中，我们将 Lasso 模型在单个特征层面的稀疏诱导特性与 Group Lasso 模型的块稀疏特性（其中稀疏的特征组被联合编码）相结合，获得了一种分层结构化的稀疏模式。这产生了分层 Lasso (HiLasso)，它展示了重要的实际建模优势。然后，我们将该方法扩展到协作情况，其中一组同时编码的信号在较高（组）层级共享相同的稀疏模式，但在较低（组内）层级不一定共享，从而得到协作 HiLasso 模型 (C-HiLasso)。这些信号因此共享相同的活跃组或类别，但不一定共享相同的活跃集。该模型非常适合源识别和分离等应用。我们为这些新模型开发了一种高效的优化过程，该过程保证收敛到全局最优。新框架和优化方法的介绍辅以实验示例以及关于所提出模型恢复保证的理论结果。
引用
@article{arxiv.1006.1346,
title = {C-HiLasso: A Collaborative Hierarchical Sparse Modeling Framework},
author = {Pablo Sprechmann and Ignacio Ramírez and Guillermo Sapiro and Yonina Eldar},
journal= {arXiv preprint arXiv:1006.1346},
year = {2015}
}