正则化稀疏模型综述_刘建伟_崔立鹏_刘泽宇_罗雄麟.pdf

网络出版时间：2014-12-02 13:38 网络出版地址：/kcms/detail/11.1826.TP1531.020.html 第37 卷 计 算 机 学 报 Vol.37 2014 论文在线出版号 No.115 CHINESE JOURNAL OF COMPUTERS Online Publishing No.115 正则化稀疏模型综述 1) 1) 2) 1) 刘建伟 ，崔立鹏 ，刘泽宇 ，罗雄麟 1)( 中国石油大学（北京）自动化研究所 北京 中国 102249） 2)( 中国科学院 软件研究所 基础软件国家工程研究中心 北京 中国 100190） 摘 要 正则化稀疏模型在机器学习和图像处理等领域发挥着越来越重要的作用，它具有变量选择功能，可以解决建模中 的过拟合等问题。Tibshirani 提出的 Lasso 使得正则化稀疏模型真正开始流行。本文总结了各种正则化稀疏模型，指出了各 个稀疏模型被提出的原因、所具有的优点、适宜解决的问题及其模型的具体形式。最后，本文还指出了正则化稀疏模型未来 的研究方向。 关键词 正则化；稀疏；变量选择 中图法分类号TP181 论文引用格式 刘建伟，崔立鹏，刘泽宇，罗雄麟，正则化稀疏模型综述，计算机学报，2014 ，Vol.37 ：在线出版号No. 115 LIU Jian-Wei, CUI Li-Peng, LIU Ze-Yu, LUO Xiong-Lin ，Survey on the Regularized Sparse Models，Chinese Journal of Computers,2014, Vol.37: Online Publishing No.115 Survey on the Regularized Sparse Models LIU Jian-Wei1), CUI Li-Peng1), LIU Ze-Yu2), LUO Xiong-Lin1) 1) (Research Institute of Automation ，China University of Petroleum ，Beijing 102249 ，China) 2) (National Engineering Research Center for Fundamental Software, Institute of Software, the Chinese Academy of Sciences, Beijing 100190, China) Abstract The regularized sparse models are playing a more and more important role in many areas, such as in the machine learning and image processing. The regularized sparse models have the ability of variable selection, so they can solve the over-fitting problem. The Lasso proposed by Tibshirani makes regularized sparse models become popular. This paper summarizes