基于双重稀疏问题的优化方法.pdf

目录

第1章绪论1

1.1研究意义1

1.2研究背景1

1.3本文的主要内容和结构4

第2章预备知识5

2.1基本定义5

2.2用Moreau包络函数近似OSL0模型10

2.3本章小结11

第3章算法框架12

3.1FRB算法框架12

3.2FRB函数的性质13

3.3本章小结22

第4章算法的收敛性分析23

4.1算法的收敛性23

4.2本章小结28

结论29

参考文献30

摘要

摘要

稀疏优化是优化方法的重要研究问题,它在压缩感知、信号处理、机器学习

和计算机图像处理等领域中广泛应用,其中压缩感知是稀疏优化问题中的研究热

点,因为其具有低存储成本和硬件复杂性的优势,所以压缩感知问题吸引了许多学

者专家的目光.本文研究的压缩感知模型含有双稀疏约束,由于此问题是非凸非

连续的,首先运用Moreau包络函数近似目标函数,将此模型近似为非凸连续函数,

接着针对此问题提出了forward-reflect-backwardsplitting(FRB)算法和FRB函数,

在适当条件下运用FRB函数证明了算法迭代序列的有限长性质,最后假设FRB函

数具有指数1的Kurdyka-Lojasiewicz(KL)性质,证明了算法的全局收敛性和收敛速

2

率.

关键词双重稀疏优化;压缩感知;FRB算法;FRB函数;邻近映射

–I–

Abstract

Abstract

Sparseoptimizationisanimportantresearchissueinoptimizationmethods.It

hasapplicationsinfieldssuchascompressionsensing,signalprocessing,machine

learning,andcomputerimageprocessing.Compressionsensingisaresearchhot

pointinsparseoptimizationproblems,andhasbeenfavoredbyscholarsandex-

pertsduetoitsadvantagesoflowstoragecostsandhardwarecomplexity.The

compressionsensingmodelstudiedinthispapercontainsdualsparseconstraints.

Duetothenon-convexanddiscontinuousnatureoftheproblem,theMoreauen-

velopefunctionisfirstusedtoapproximatetheobjectivefunction,approximating

themodeltoanon-convexcontinuousfunction.Then,aforward-reflect-backward

splitting(FRB)algorithmandaFRBfunctionareproposedforthisproblem.Un-

derappropriateconditions,thefinitelengthpropertyof