声明
摘要
第1章 绪论
§1.1 选题背景和意义
§1.1.1 模型选择
§1.1.2 稀疏编码
§1.1.3 压缩感知
§1.2 稀疏学习研究回顾和现状分析
§1.2.1 贪婪算法
§1.2.2 凸优化方法
§1.2.3 非凸优化方法
§1.2.4 结构稀疏学习
§1.3 本文研究思路
§1.4 本文组织结构
第2章 非凸MCP惩罚回归的凹共轭算法
§2.1 非凸MCP惩罚回归
§2.1.1 相关工作
§2.2 基于凹共轭的交替迭代算法
§2.2.1 收敛性分析
§2.2.2 讨论
§2.3 DC规划算法
§2.4 实验分析
§2.5 本章小结
§2.6 引理证明
第3章 非凸协稀疏信号恢复方法—(e)p分析最小化
§3.1 协稀疏信号恢复
§3.1.1 相关工作
§3.2 恢复误差分析
§3.3 非凸(e)p分析最小化方法的优势
§3.3.1 样本复杂度
§3.3.2 协稀疏度的范围
§3.4 求解(e)p分析最小化的迭代重加权算法
§3.5 实验分析
§3.5.1 协稀疏信号恢复
§3.5.2 图像复原
§3.6 本章小结
§3.7 定理证明
第4章 非凸结构稀疏学习模型的快速算法
§4.1 结构稀疏学习模型
§4.1.1 相关工作
§4.2 预备知识
§4.3 交替向前向后分裂算法
§4.4 收敛性分析
§4.5 实验分析
§4.5.1 重叠组Lasso
§4.5.2 图融合Logistic回归
§4.6 本章小结
§4.7 定理证明
第5章 总结与展望
附录
参考文献
致谢
攻读博士学位期间主要的研究成果