组稀疏模型及其算法综述.pdfVIP

第 期 电 子 学 报 ４ Ｖｏｌ．４３ Ｎｏ．４ 年 月 ２０１５ ４ ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ Ａｐｒ． ２０１５ 组稀疏模型及其算法综述 刘建伟，崔立鹏，罗雄麟 （中国石油大学（北京）自动化研究所，北京 １０２２４９） 摘 要： 稀疏性与组稀疏性在统计学、信号处理和机器学习等领域中具有重要的应用 本文总结和分析了不同 ． 组稀疏模型之间的区别与联系，比较了不同组稀疏模型的变量选择能力、变量组选择能力、变量选择一致性和变量组 选择一致性，总结了组稀疏模型的各类求解算法并指出了各算法的优点和不足 最后，本文对组稀疏模型未来的研究 ． 方向进行了探讨． 关键词： 稀疏性；组稀疏性；变量选择；变量组选择；一致性 中图分类号： 文献标识码： 文章编号： （ ） ＴＰ１８１ ０３７２２１１２２０１５０４０７７６０７ 电子学报 ： ： ： ＵＲＬ ｈｔｔｐ／／ｗｗｗ．ｅｊｏｕｒｎａｌ．ｏｒｇ．ｃｎ ＤＯＩ １０．３９６９／ｊ．ｉｓｓｎ．０３７２２１１２．２０１５．０４．０２１ ＳｕｒｖｅｙｏｎＧｒｏｕｐＳｐａｒｓｅＭｏｄｅｌｓａｎｄＡｌｇｏｒｉｔｈｍｓ ， ， ＬＩＵＪｉａｎｗｅｉＣＵＩＬｉｐｅｎｇＬＵＯＸｉｏｎｇｌｉｎ （ ， ， ， ） ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍａｔｉｏｎＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＰｅｔｒｏｌｅｕｍ Ｂｅｉｊｉｎｇ１０２２４９Ｃｈｉｎａ ： ， Ａｂｓｔｒａｃｔ Ｔｈｅｓｐａｒｓｉｔｙａｎｄｇｒｏｕｐｓｐａｒｓｉｔｙｈａｖｅｉｍｐｏｒｔａｎｔａｐｐｌｉｃａｔｉｏｎｓｉｎｔｈｅｓｔａｔｉｓｔｉｃｓｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇａｎｄｍａｃｈｉｎｅｌｅａｒｎ ， ｉｎｇ．Ｔｈｉｓｐａｐｅｒｓｕｍｍａｒｉｚｅｄａｎｄａｎａｌｙｚｅｄｔｈｅｄｉｆｆｅｒｅｎｃｅｓａｎｄｒｅｌａｔｉｏｎｓｂｅｔｗｅｅｎｖａｒｉｏｕｓｇｒｏｕｐｓｐａｒｓｅｍｏｄｅｌｓ．Ｉｎａｄｄｉｔｉｏｎｗｅｃｏｍ ’ ， ， ｐａｒｅｄｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓｖａｒｉａｂｌｅｓｅｌｅｃｔｉｏｎａｂｉｌｉｔｙｖａｒｉａｂｌｅｇｒｏｕｐｓｅｌｅｃｔｉｏｎａｂｉｌｉｔｙｖａｒｉａｂｌｅｓｅｌｅｃｔｉｏｎｃｏｎｓｉｓｔｅｎｃｙａｎｄｖａｒｉａｂｌｅｇｒｏｕｐ ｓｅｌｅｃｔｉｏｎｃｏｎｓｉｓｔｅｎｃｙ．Ｗｅａｌｓｏｓｕｍｍａｒｉｚｅｄｔｈｅａｌｇｏｒｉｔｈｍｓｏｆｇｒｏｕｐｓｐａｒｓｅｍｏｄｅｌｓａｎｄｐｏｉｎｔｅｄｔｈｅａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓｏｆ ， ｔｈｅａｌｇｏｒｉｔｈｍｓ．Ｆｉｎａｌｌｙｗｅｐｏｉｎｔｏｕｔｔｈｅｆｕｔｕｒｅｒｅｓｅａｒｃ