泊松噪声模型下的置信约束联合稀疏恢复
机器学习
2013-10-10 v2 机器学习
摘要
我们的工作聚焦于共同稀疏模式受泊松噪声污染的联合稀疏恢复问题。我们在最小二乘 (LS) 和最大似然 (ML) 框架下构建了置信约束优化问题，并研究了原始行稀疏性和行稀疏模式完美重构的条件。然而，该置信约束优化问题是非凸的。利用凸松弛技术，我们提出了一种替代的凸重构形式。我们通过在合成数据上的仿真结果评估了所提方法的性能，并展示了所提出的行稀疏性和行稀疏模式恢复框架的有效性。
引用
@article{arxiv.1309.1193,
title = {Confidence-constrained joint sparsity recovery under the Poisson noise model},
author = {E. Chunikhina and R. Raich and T. Nguyen},
journal= {arXiv preprint arXiv:1309.1193},
year = {2013}
}