关于混合l1-l2范数最小问题的算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·压缩感知的凸优化模型 | 第7-8页 |
| ·国内外研究的现状 | 第8-9页 |
| ·本文的研究内容与组织结构 | 第9-11页 |
| ·本文研究内容 | 第9页 |
| ·本文组织结构 | 第9-11页 |
| 第二章 主要算法的概述 | 第11-15页 |
| ·稀疏梯度投影法 | 第11-13页 |
| ·迭代收缩阈值法 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第三章 修正的稀疏梯度投影算法 | 第15-19页 |
| ·算法原理 | 第15-16页 |
| ·数值实验 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第四章 调比的梯度投影神经网络方法 | 第19-25页 |
| ·神经网络在优化问题中的应用 | 第19页 |
| ·调比的梯度投影神经网络模型 | 第19-20页 |
| ·稳定性和收敛性分析 | 第20-22页 |
| ·数值实验 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第五章 自适应线搜索策略 | 第25-31页 |
| ·梯度投影法 | 第25-26页 |
| ·Nesterov方法 | 第26-27页 |
| ·Nemirovski线搜索策略 | 第27-28页 |
| ·自适应线搜索策略 | 第28-29页 |
| ·数值实验 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第六章 总结 | 第31-33页 |
| 参考文献 | 第33-37页 |
| 攻读硕士学位期间取得的研究成果 | 第37-39页 |
| 致谢 | 第39-41页 |
| 附件 | 第41页 |
