信号与噪声统计无关的正交匹配追踪
机器学习
2018-06-05 v1 信息论
机器学习
math.IT
摘要
正交匹配追踪（OMP）是一种广泛用于线性回归模型中恢复稀疏高维向量的算法。OMP 的最优性能需要关于回归向量稀疏性或噪声统计的先验知识。这两类统计都极少可先验获知且极难估计。在本文中，我们提出一种称为残差比阈值化（RRT）的新技术，可在无任何稀疏性与噪声统计先验知识的情况下运行 OMP，并为其建立有限样本与大样本支撑恢复保证。解析结果与在真实及合成数据集上的数值模拟均表明，RRT 的性能可与具备稀疏性与噪声统计先验知识的 OMP 相媲美。
引用
@article{arxiv.1806.00650,
title = {Signal and Noise Statistics Oblivious Orthogonal Matching Pursuit},
author = {Sreejith Kallummil and Sheetal Kalyani},
journal= {arXiv preprint arXiv:1806.00650},
year = {2018}
}
备注
Accepted in ICML 2018. Significantly improved and extended version of arXiv preprint arXiv:1707.08712