线性Bregman算法相关论文
针对电容层析成像(ECT)逆问题求解的欠定性,将分别利用奇异值分解(SVD)和二阶迭代思想改进后的线性Bregman算法应用到ECT图像重建......
在分类问题中,L2范数支持向量机是一种被广泛应用的工具,对两分类问题来说效果很好。L1范数支持向量机是L2范数支持向量机的一个变......
压缩感知,即从一组线性观测中恢复出原来的稀疏信号,在许多领域如信号处理、图像处理、机器学习中发挥了相当重要的作用。由于压缩......
在本论文中,我们主要研究了稀疏信号恢复问题,它是压缩感知中的核心数学问题之一。稀疏信号恢复问题根据信号的表达形式,可以分为......
稀疏恢复问题在如图像处理、疾病检测、气候预测、机器学习等领域均有广泛的应用背景,近年来得到了大量的关注和研究。然而随着数......
设计了求解稀疏优化模型的加速线性Bregman算法,该稀疏优化模型可以理解成基追踪模型的一个近似。设计的加速算法主要基于Lagrange......
压缩感知(Compressed Sensing,CS)的信号重构部分需要进行大数据量的计算,然而传统的CPU对大量的矢量计算并没有优势.为了解决这一......
为提高传统的基于字典压缩感知定位算法的效率以及减少对信道环境的依赖性,提出一种基于压缩感知重建功率场的快速多目标计数与定......
为提高双选择性衰落环境下的宽带频谱感知性能,提出一种快速低复杂度线性Bregman算法。利用该算法可实现基于循环谱估计的宽带压缩......