电子学报 ›› 2015, Vol. 43 ›› Issue (4): 776-782.DOI: 10.3969/j.issn.0372-2112.2015.04.021

• 综述评论 • 上一篇    下一篇

组稀疏模型及其算法综述

刘建伟, 崔立鹏, 罗雄麟   

  1. 中国石油大学(北京)自动化研究所, 北京 102249
  • 收稿日期:2013-10-23 修回日期:2014-07-03 出版日期:2015-04-25 发布日期:2015-04-25
  • 作者简介:刘建伟 男,1966年出生.博士,中国石油大学(北京)副研究员,主要研究方向包括智能信息处理、机器学习、算法分析与设计等.E-mail:liujw@cup.edu.cn;崔立鹏 男,1990年出生.2012年毕业于河北大学自动化专业,现为中国石油大学(北京)地球物理与信息工程学院硕士研究生,研究方向为机器学习.
  • 基金资助:

    国家自然科学基金(No.21006127)

Survey on Group Sparse Models and Algorithms

LIU Jian-wei, CUI Li-peng, LUO Xiong-lin   

  1. Research Institute of Automation, China University of Petroleum, Beijing 102249, China
  • Received:2013-10-23 Revised:2014-07-03 Online:2015-04-25 Published:2015-04-25

摘要:

稀疏性与组稀疏性在统计学、信号处理和机器学习等领域中具有重要的应用.本文总结和分析了不同组稀疏模型之间的区别与联系,比较了不同组稀疏模型的变量选择能力、变量组选择能力、变量选择一致性和变量组选择一致性,总结了组稀疏模型的各类求解算法并指出了各算法的优点和不足.最后,本文对组稀疏模型未来的研究方向进行了探讨.

关键词: 稀疏性, 组稀疏性, 变量选择, 变量组选择, 一致性

Abstract:

The sparsity and group sparsity have important applications in the statistics,signal processing and machine learning.This paper summarized and analyzed the differences and relations between various group sparse models.In addition,we compared different models' variable selection ability,variable group selection ability,variable selection consistency and variable group selection consistency.We also summarized the algorithms of group sparse models and pointed the advantages and disadvantages of the algorithms.Finally,we point out the future research directions of the group sparse models.

Key words: sparsity, group sparsity, variable selection, variable group selection, consistency

中图分类号: