针对部分压缩感知贪婪迭代类重构算法中误删正确支撑集元素的缺点,提出了一种基于支撑集保护的回环匹配算法(LM-P)。该算法依据最小残差内积初始化非受保护支撑集元素,然后依据观测向量在非受保护支撑集对应观测子矩阵上的投影,选择对...针对部分压缩感知贪婪迭代类重构算法中误删正确支撑集元素的缺点,提出了一种基于支撑集保护的回环匹配算法(LM-P)。该算法依据最小残差内积初始化非受保护支撑集元素,然后依据观测向量在非受保护支撑集对应观测子矩阵上的投影,选择对应投影绝对值最大的元素添加到受保护支撑集,迭代获得受保护支撑集,从而重构原始信号。实验结果表明,对于非零值服从正态分布且稀疏度小于观测值一半数目的稀疏信号,LM-P算法的重构准确率超过86%;对于低信噪比稀疏信号,该算法的重构准确率能够维持在99%以上;与OMP、Co Sa MP、SP和GPA算法相比,LM-P精确重构所需观测值数更少;此外,LM-P算法在二维图像信号的重构中也有较好性能。展开更多
实际工程应用的很多非线性规划(NLP)模型都是非光滑问题,传统优化技术如拟牛顿法或最速下降法无法很好地求解这些问题.不依赖于方向导数计算或逼近的直接搜索法(Direct Searches)或支撑集搜索法GSS(Generating Set Searches)在近几年来...实际工程应用的很多非线性规划(NLP)模型都是非光滑问题,传统优化技术如拟牛顿法或最速下降法无法很好地求解这些问题.不依赖于方向导数计算或逼近的直接搜索法(Direct Searches)或支撑集搜索法GSS(Generating Set Searches)在近几年来得到较多的关注和研究.本文对GSS约定的一些要求,如充分下降和简单下降条件对步长接受准则的影响,如何避免较差的下降方向和迭代步长,为什么必须给定步长收缩因子的上界等进行标注,以便为该领域的进一步深入研究提供参考.展开更多
文摘针对部分压缩感知贪婪迭代类重构算法中误删正确支撑集元素的缺点,提出了一种基于支撑集保护的回环匹配算法(LM-P)。该算法依据最小残差内积初始化非受保护支撑集元素,然后依据观测向量在非受保护支撑集对应观测子矩阵上的投影,选择对应投影绝对值最大的元素添加到受保护支撑集,迭代获得受保护支撑集,从而重构原始信号。实验结果表明,对于非零值服从正态分布且稀疏度小于观测值一半数目的稀疏信号,LM-P算法的重构准确率超过86%;对于低信噪比稀疏信号,该算法的重构准确率能够维持在99%以上;与OMP、Co Sa MP、SP和GPA算法相比,LM-P精确重构所需观测值数更少;此外,LM-P算法在二维图像信号的重构中也有较好性能。
文摘实际工程应用的很多非线性规划(NLP)模型都是非光滑问题,传统优化技术如拟牛顿法或最速下降法无法很好地求解这些问题.不依赖于方向导数计算或逼近的直接搜索法(Direct Searches)或支撑集搜索法GSS(Generating Set Searches)在近几年来得到较多的关注和研究.本文对GSS约定的一些要求,如充分下降和简单下降条件对步长接受准则的影响,如何避免较差的下降方向和迭代步长,为什么必须给定步长收缩因子的上界等进行标注,以便为该领域的进一步深入研究提供参考.