递归 $\ell_{1,\infty}$ 组套索

我们引入了一种递归自适应组套索算法，用于实时惩罚最小二乘预测，该算法产生一个时间序列的最优稀疏预测系数向量。在每个时间索引处，所提出的算法计算最优 $\ell_{1,\infty}$ 惩罚递归最小二乘（RLS）预测器的精确更新。每次更新都最小化一个凸但不可微的函数优化问题。我们开发了一种在线同伦方法来降低计算复杂度。数值模拟表明，对于组稀疏系统辨识问题，所提出的算法优于 $\ell_1$ 正则化RLS算法，并且比直接组套索求解器具有更低的实现复杂度。