线性Bregman算法相关论文
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......
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......
