稀疏分裂可行问题的共轭梯度算法.pdfVIP

摘要 摘 要 , 信号 稀疏分裂可行问题是指带有稀疏约束的分裂可行问题 在图像重建、压缩感知、 . , 处理、机器学习等领域有着广泛的应用 近年来 稀疏分裂可行问题得到了越来越多学者 的关注 关于此问题的一些理论分析和算法研究也相继提出 , . 但由于变量的稀疏性质, 许多传统迭代算法无法直接求解稀疏分裂可行问题. 因此设计稀疏分裂可行问题的有效 算法是比较有意义的研究. 全文共分成四章. 主要结构安排如下: , 主要阐述了稀疏分裂可行问题的定义、 , 第一章为绪论 研究意义以及研究现状 在此 , . 基础上介绍了稀疏分裂可行问题算法的发展现状 存在的问题和本文的主要工作 第二章首先利用分裂可行问题最小 范数解与最小 范数解的等价性 将分裂可行问 0 1 , 0 1 . 题最小 范数解问题转化为求解最小 范数解的问题 再将该问题转化为非光滑无约束凸 , Nesterov . 优化问题 接着利用 光滑技术得到一个光滑的无约束凸优化问题 然后提出一种 修正的PRP 共轭梯度算法来求解稀疏分裂可行问题, 并证明了算法的收敛性, 数值实验结 果说明了算法的有效性. Armijo CD 第三章我们设计了一种带有广义 步长规则的修正的 共轭梯度算法来求解稀 疏分裂可行问题, 证明了此算法具有全局收敛性, 最后用数值例子说明了算法的有效性. 第四章是对全文的总结及对未来研究方向的展望. 关键词：稀疏分裂可行问题, 共轭梯度算法,最优化问题,收敛性 I Abstract Abstract The sparse split feasibility problem refers to a split feasibility problem with sparse constraints. It has been widely used in signal processing, image restoration, compressed sensing, machine learning and other fields. In recent years, more and more scholars have paid attention to it, and some theoretical analysis and algorithmic research on this problem have been put forward one after another. However, due to the sparse nature