更强的L2/L2压缩感知：无需迭代
数据结构与算法
2019-03-08 v1
摘要
我们考虑被广泛研究的压缩感知问题。我们工作的主要贡献是对[Gilbert, Li, Porat and Strauss, STOC 2010]的改进，具有更快的解码时间和显著更小的列稀疏度，回答了该前述工作的两个开放问题。先前关于次线性时间压缩感知的工作采用迭代过程，分阶段恢复重坐标。我们完全脱离该框架，给出首个次线性时间方案，在不迭代的情况下达到最优测量数；这一新方法是取得进展的关键步骤。为此，我们通过利用坐标的重度性来满足保证，这种方式在先前工作中未被利用。借助我们的技术，我们获得了各种稀疏恢复任务的改进结果，并指出对该领域问题的可能进一步应用，而前述迭代过程对这些应用造成了显著障碍。
引用
@article{arxiv.1903.02742,
title = {Stronger L2/L2 Compressed Sensing; Without Iterating},
author = {Vasileios Nakos and Zhao Song},
journal= {arXiv preprint arXiv:1903.02742},
year = {2019}
}