.png){kind=icon}
返回
Error estimation for non-convex relaxation cosparse optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11075-025-02216-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了在噪声条件下通过非凸松弛方法进行余稀疏信号恢复的误差估计问题。与现有工作相比，我们通过在Ω-RIP框架下推导出更广泛的可接受参数范围，显著拓宽了此类恢复的理论保证。我们的分析表明，非凸方法能够实现比凸方法更紧的误差界。此外，所推导的误差界与算法设计无关，因此本文的结果具有普适性，可广泛应用于各类余稀疏信号恢复问题。通过初步的数值实验，我们展示了在Ω-RIP条件下，所提出的非凸方法相较于凸松弛方法能够获得更紧的误差界。
Keyword:
Error estimation
Sparse model
Cosparse optimization problem
Non-convex relaxation method
期刊
N
IF:
2
论文数:
181
被引数:
5.5K
机构
暂无机构信息
引用论文
Sparse Analysis Recovery via Iterative Cosupport Detection Estimation基于迭代共支持检测估计的稀疏分析恢复.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Image denoising via sparse and redundant representations over learned dictionaries通过学习字典上的稀疏和冗余表示进行图像去噪
PREAI
分享收藏Sparse Representations in Audio and Music: From Coding to Source SeparationPROCEEDINGS OF THE IEEEOAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏
查看更多内容