使用尺度混合的稀疏信号恢复I型与II型贝叶斯方法

Ritwik Giri; Bhaskar D. Rao

doi:10.1109/TSP.2016.2546231

使用尺度混合的稀疏信号恢复I型与II型贝叶斯方法

机器学习 2016-05-10 v1 机器学习

作者: Ritwik Giri , Bhaskar D. Rao

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

在本文中，我们提出一个广义尺度混合分布族，即幂指数尺度混合(PESM)族，用于对当前稀疏信号恢复(SSR)中使用的稀疏诱导先验进行建模。我们证明，成功且流行的方法，如LASSO、重加权 $\ell_1$ 和重加权 $\ell_2$ 方法，可以在最大后验(MAP)或I型贝叶斯框架下，使用PESM族的一个适当成员作为稀疏诱导先验，以统一的方式表述。此外，利用PESM族诱导的自然层次框架，我们在II型框架中使用这些先验，并开发了相应的基于EM的估计算法。我们提供了对I型和II型方法之间差异的一些见解，在算法开发中特别令人感兴趣的是流行且成功的重加权 $\ell_1$ 方法的II型变体。提供了广泛的实证结果，表明II型方法比相应的I型方法展现出更好的支撑恢复性能。

关键词

稀疏信号恢复贝叶斯方法尺度混合幂指数尺度混合 I型估计 II型估计重加权l1

引用

@article{arxiv.1507.05087,
  title  = {Type I and Type II Bayesian Methods for Sparse Signal Recovery using Scale Mixtures},
  author = {Ritwik Giri and Bhaskar D. Rao},
  journal= {arXiv preprint arXiv:1507.05087},
  year   = {2016}
}

备注

Under Review

使用尺度混合的稀疏信号恢复I型与II型贝叶斯方法

摘要

关键词

引用

备注

相关论文