组稀疏模型及其算法综述

刘建伟; 崔立鹏; 罗雄麟

doi:10.3969/j.issn.0372-2112.2015.04.021

您当前的位置：

首页 >

文章列表页 >

组稀疏模型及其算法综述

综述评论 | 更新时间：2025-07-16

- 组稀疏模型及其算法综述
- Survey on Group Sparse Models and Algorithms
- 电子学报 2015年43卷第4期页码：776-782
- 作者机构：
  
  中国石油大学(北京)自动化研究所,北京,102249
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.21006127)
- DOI：10.3969/j.issn.0372-2112.2015.04.021
  中图分类号： TP181
- 纸质出版：2015
- 稿件说明：
移动端阅览
刘建伟, 崔立鹏, 罗雄麟. 组稀疏模型及其算法综述[J]. 电子学报, 2015,43(4):776-782.

LIU Jian-wei, CUI Li-peng, LUO Xiong-lin. Survey on Group Sparse Models and Algorithms[J]. Acta Electronica Sinica, 2015, 43(4): 776-782.
刘建伟, 崔立鹏, 罗雄麟. 组稀疏模型及其算法综述[J]. 电子学报, 2015,43(4):776-782. DOI： 10.3969/j.issn.0372-2112.2015.04.021.

LIU Jian-wei, CUI Li-peng, LUO Xiong-lin. Survey on Group Sparse Models and Algorithms[J]. Acta Electronica Sinica, 2015, 43(4): 776-782. DOI： 10.3969/j.issn.0372-2112.2015.04.021.

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.

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.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于PF/CUKF/EKF的移动机器人SLAM框架算法

基于预排序和上取整函数的 AHP判断矩阵生成算法

一种基于l_p模约束的FOCUSS迭代 EEG源定位新方法

基于进化策略生成可解释性模糊系统