.png){kind=icon}
返回
Split feasibility problem with multiple sets: applications to data classification and imaging
.png){kind=icon}
PRE
AI
DOI：10.1080/00036811.2026.2636918.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种新颖的迭代算法，用于解决希尔伯特空间背景下具有多个输出集的广义分割可行性和固定点问题。所提出的方法将粘性逼近技术与惯性外推相结合以加速收敛，同时引入Tikhonov正则化增强了迭代过程的稳定性。我们在温和假设下建立了强收敛结果，确保算法收敛至解集中的一个元素。为评估其实际效率，我们在两个实际应用（数据分类和图像恢复问题）上进行了全面的数值实验。结果表明，所提出的方法始终优于几种当前先进算法，实现了更高的分类精度、良好的精确度-召回率平衡性能和更优的重建质量。这些发现证实了该方法具有鲁棒性和有效性，并突显了其在优化理论、机器学习和图像处理等领域更广泛应用的显著潜力。
Keyword:
Viscosity approximation
strong convergence
split feasibility problem
fixed point problem
期刊
A
IF:
1.2
论文数:
126
被引数:
3.2K
机构
查看更多机构
引用论文
暂无论文信息