匹配追踪LASSO第二部分：批量信号上的应用与稀疏恢复
计算机视觉与模式识别
2014-12-25 v2 机器学习
机器学习
摘要
在文献[TanPMLPart1]中，我们提出了匹配追踪LASSO（MPL）算法，用于求解大规模稀疏恢复（SR）问题。本文提出一种子空间搜索方法以进一步提升MPL的性能，并接着处理SR的另一重大挑战——包含大量信号的批量SR，这一考量在以往大多数-范数方法中均未涉及。由此，我们开发了批量模式MPL（BMPL），以大幅加速对大量信号的同时稀疏恢复。在压缩感知和人脸识别任务上的综合数值实验表明，MPL和BMPL在稀疏恢复能力和效率方面均优于本文所比较的其他方法。特别是，BMPL比当前被视为最先进的-范数方法快达400倍。
引用
@article{arxiv.1302.5010,
title = {Matching Pursuit LASSO Part II: Applications and Sparse Recovery over Batch Signals},
author = {Mingkui Tan and Ivor W. Tsang and Li Wang},
journal= {arXiv preprint arXiv:1302.5010},
year = {2014}
}