l1范数最小化方法文献阅读报告.PDFVIP

l1 范数最小化方法文献阅读报告    一、l1 范数最小化方法综述  无论在工程领域还是数学领域都存在着大量的线性逆算问题。在大多数情况 下，问题本身是病态或者欠定的。为了得到有价值的解，我们必须加入合理的约 束。在过去 20 年中，稀疏性约束逐渐发展成为一种基础性的正则约束类型。其 原始问题为 0 范数最小化约束。但是，此类问题的求解为 NP-Hard 问题，复杂 度高，且求解精度依赖于最小逼近误差。幸运的是，大量研究表明，采用 l1 范数 最小化约束即可得到拥有足够稀疏性的解，从而满足实际需要。基于此，研究人 员提出了大量的 l1 范数最小化方法，例如匹配追踪法、带 LASSO （最小绝对收 缩与选择算子）修正的 LARS （最小角度回归）算法、同伦算法、内点法、梯度 下降法等。  匹配追踪算法是一类贪婪算法，通过迭代进行局部最优化，追踪寻找稀疏解 中的各个非零系数。其中正交匹配追踪法可以保证残差向量与所有非零系数列正 交。业已证明，该方法在某些情况下可以求出最稀疏解。