L1范数最小化算法及应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景和意义 | 第10-11页 |
| ·国内外研究的现状 | 第11-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第二章 稀疏域模型与稀疏解 | 第14-23页 |
| ·欠定线性系统及其最小范数解 | 第14-15页 |
| ·稀疏域模型 | 第15-16页 |
| ·最优化方法求稀疏解 | 第16-21页 |
| ·e_0范数与匹配追踪算法 | 第16-17页 |
| ·e_ p范数与 FOCUSS 算法 | 第17-18页 |
| ·e_1范数与线性规划 | 第18-19页 |
| ·几种范数的比较 | 第19-21页 |
| ·含噪声模型 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 e_1范数最小化算法 | 第23-38页 |
| ·原对偶内点法 | 第23-27页 |
| ·原问题与对偶问题 | 第23-24页 |
| ·对数障碍函数与 KKT 条件 | 第24-25页 |
| ·原对偶内点法 | 第25-26页 |
| ·e_1范数最小化 | 第26-27页 |
| ·迭代收缩算法 | 第27-32页 |
| ·可分离替代函数算法 | 第28-30页 |
| ·并行坐标下降算法 | 第30-32页 |
| ·脑电信号分类应用 | 第32-37页 |
| ·背景介绍 | 第32-33页 |
| ·稀疏域模型与e_1范数解 | 第33-34页 |
| ·分类算法 | 第34页 |
| ·仿真实验 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 混合e_1‐e_2范数最小化及其应用 | 第38-56页 |
| ·混合 e_1- e_2范数最小化 | 第38-42页 |
| ·系统模型 | 第38-39页 |
| ·求解算法 | 第39-41页 |
| ·算法实现 | 第41-42页 |
| ·光信号功率监测 | 第42-51页 |
| ·背景介绍 | 第42页 |
| ·系统建模 | 第42-43页 |
| ·最优化算法 | 第43-45页 |
| ·仿真与实验 | 第45-51页 |
| ·脑电信号分类 | 第51-55页 |
| ·判别字典学习 | 第51-52页 |
| ·迭代优化算法 | 第52-53页 |
| ·稀疏表示分类 | 第53页 |
| ·仿真与实验 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-64页 |
| 附录 1 牛顿法 | 第62-63页 |
| 附录 2 性质 3.1 的证明 | 第63-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |
