基于表单译码的软GMD算法

提出了一种基于Koetter Vardy算法的软GMD算法,根据每个内插点子集的可靠度,进行连续纠错删译码.仿真结果表明,与Koetter Vardy算法相比,在译码性能相同的条件下,对于长度为15的RS码,则降低了90%～98.5%;对于RS(255,239)码,软GMD算法的复杂度降低了约46%.

基于稀疏Group Lasso惩罚的分位数回归

在高维数据分析中,惩罚分位数回归是进行变量选择和参数估计的有效方法.在实际应用中,变量常以分组形式呈现,为同时实现组间稀疏性和组内稀疏性,本文研究了带稀疏Group Lasso惩罚的分位数回归模型.为解决目标函数的非光滑性带来的计算挑战,利用分位数Huber函数近似分位数损失函数,得到稀疏Group Lasso惩罚分位数Huber回归模型(SGLQHR).基于Groupwise Majorization Descent(GMD)算法提出了一种快速、有效算法求解该模型,并建立算法收敛性.数值实验和实例分析验证了该算法的有效性.