ICR：基于尖峰与板先验的稀疏信号恢复的迭代凸精炼方法
机器学习
2015-05-28 v1 计算机视觉与模式识别
最优化与控制
摘要
在本文中，我们处理使用尖峰与板先验的稀疏信号恢复问题。特别地，我们关注一个贝叶斯框架，其中通过概率先验在重建系数上强制稀疏性。已知由尖峰与板先验最大化产生的优化是一个困难的非凸问题，现有解决方案涉及简化假设和/或松弛。我们提出一种称为迭代凸精炼（ICR）的方法，旨在直接解决上述优化问题，允许稀疏结构有更大的通用性。本质上，ICR求解一系列凸优化问题，使得解序列收敛到原始困难优化问题的次优解。我们提出算法的两个版本：a.) 无约束版本，b.) 对稀疏系数施加非负性约束的版本，这可能在某些现实世界问题中需要。实验验证在合成数据和真实世界图像恢复问题上进行，说明了ICR相对于最先进替代方法的优点。
引用
@article{arxiv.1502.04726,
title = {ICR: Iterative Convex Refinement for Sparse Signal Recovery Using Spike and Slab Priors},
author = {Hojjat S. Mousavi and Vishal Monga and Trac D. Tran},
journal= {arXiv preprint arXiv:1502.04726},
year = {2015}
}
备注
Submitted to IEEE Signal Processing Letters, Feb 2015