带非凸惩罚的向量值图趋势滤波
信号处理
2020-01-16 v3 机器学习
机器学习
摘要
本工作研究图上具有非均匀平滑程度的分段光滑图信号的去噪，其中每个节点上的取值可为向量值。我们将图趋势滤波框架扩展到使用一族非凸正则化器对向量值图信号去噪，其恢复性能优于现有凸正则化器。利用 oracle 不等式，我们建立了所提非凸方法在一般图上的首阶平稳点的统计误差率。此外，我们提出一种基于 ADMM 的算法来求解所提方法并证明其收敛性。在合成与真实世界数据上进行了去噪、支撑恢复、事件检测和半监督分类的数值实验。
引用
@article{arxiv.1905.12692,
title = {Vector-Valued Graph Trend Filtering with Non-Convex Penalties},
author = {Rohan Varma and Harlin Lee and Jelena Kovačević and Yuejie Chi},
journal= {arXiv preprint arXiv:1905.12692},
year = {2020}
}
备注
The first two authors contributed equally