非凸潜在最优分块稀疏恢复：基于对数和最小峰值凹罚
机器学习
2026-03-03 v1 机器学习
摘要
我们提出两种非凸正则化方法LogLOP-l2/l1和AdaLOP-l2/l1，用于恢复未知分块分区的块稀疏信号。这两种方法通过对数罚和最小峰值凹罚(MCP)扩展至块稀疏域，克服了现有凸方法的低估偏差，方法通过新颖的变分公式实现。与广义Moreau增强(GME)和依赖于平方误差数据保真项的贝叶斯方法不同，我们的方法与广泛的数据保真项兼容。我们发展了基于交替方向乘子法(ADMM)的高效算法，对这些公式具有稳定的经验收敛性。在合成数据、角功率谱估计和纳米孔电流去噪方面的数值实验表明，我们的方法在估计精度方面优于最先进的基准方法。
引用
@article{arxiv.2603.01304,
title = {Nonconvex Latent Optimally Partitioned Block-Sparse Recovery via Log-Sum and Minimax Concave Penalties},
author = {Takanobu Furuhashi and Hiroki Kuroda and Masahiro Yukawa and Qibin Zhao and Hidekata Hontani and Tatsuya Yokota},
journal= {arXiv preprint arXiv:2603.01304},
year = {2026}
}
备注
13 pages, 11 figures