具有部分错误支撑信息的先验支撑知识辅助稀疏贝叶斯学习
信息论
2014-10-21 v1 math.IT
摘要
实验和理论均已表明，若已知信号支撑 (support) 的部分先验信息，稀疏信号恢复性能可显著提升。然而在实践中，此类先验知识通常不准确且包含错误，使用此类知识可能导致严重的性能下降甚至恢复失败。本文研究了在仅有部分且部分错误的信号支撑先验知识可用时的稀疏信号恢复问题。基于传统的稀疏贝叶斯学习框架，我们提出了一种改进的双层高斯 - 逆伽马分层先验模型，并进一步提出了一种改进的三层分层先验模型。改进的双层模型为每个稀疏度控制超参数 引入了独立参数 ，从而能够对被认为属于支撑集的系数施加非稀疏鼓励先验。三层分层模型构建于改进的双层先验模型之上，在第三层对参数 施加先验。该模型能够通过学习参数 的值，自动从部分错误的信息中学习真实支撑。基于所提出的分层先验模型，我们开发了变分贝叶斯算法。数值结果展示了所提算法的性能。
引用
@article{arxiv.1410.5055,
title = {Prior Support Knowledge-Aided Sparse Bayesian Learning with Partly Erroneous Support Information},
author = {Jun Fang and Yanning Shen and Fuwei Li and Hongbin Li},
journal= {arXiv preprint arXiv:1410.5055},
year = {2014}
}