YL13112  9787121333569 9787115472618

稀疏建模理论、算法及其应用稀疏建模与现代统计学、信号处理、机器学习联系密切，可以实现从相对较少的观测数据精确复原待估信号，广泛应用于图像重构、数据的参数学习模型、故障诊断、模式识别与雷达信号处理等领域。本书详细讨论了稀疏建模的相关内容，包括对稀疏解产生的问题描述、寻找稀疏解的求解算法、稀疏复原的理论成果以及应用实例等。封底文字：稀疏模型在一些科学应用领域（如基因或神经成像数据中的生物标记发现）特别有用，预测模型的可解译性是其根本的特点。稀疏性可以极大地提高信号处理的成本效益。《稀疏建模理论、算法及其应用》一书提供了对稀疏建模领域的介绍，包括应用实例、产生稀疏解的问题描述、用于寻找稀疏解的算法以及稀疏复原领域中近的理论成果。该书将带读者了解稀疏建模有关的新进展，增加对该领域的理解，激发在该领域深入学习的兴趣。在本书中，作者首先提出引导性示例，并对稀疏建模领域的关键新进展进行较高层次的探索。然后，该书描述了常用的强化稀疏的工具中涉及的优化问题，给出了本质性的理论结果，并讨论了若干寻找稀疏解的新算法。作者接下来研究了稀疏复原问题，将基本形式扩展到更复杂的结构性稀疏问题与不同的损失函数。该过程也检验了一类特定的稀疏图形模型，并涵盖了字典学习与稀疏矩阵分解内容。本书特色● 介绍了稀疏建模与信号复原中的一些关键概念与主要结果；● 涵盖了稀疏建模的基本理论、新的算法与方法，以及实际应用；● 描述了流行的强化稀疏方法，如l0与l1范数小化；● 研究了稀疏建模领域中若干快速发展的子领域，如稀疏高斯马尔可夫随机场、结构性稀疏、字典学习与稀疏矩阵分解。

1章 导论

1.1 引导性示例

1.1.1 计算机网络诊断

1.1.2 神经影像分析

1.1.3 压缩感知

1.2 稀疏复原简介

1.3 统计学习与压缩感知

1.4 总结与参考书目

2章 稀疏复原：问题描述

2.1 不含噪稀疏复原

2.2 近似

2.3 凸性： 简要回顾

2.4 问题（P0）的松弛

2.5 lq-正则函数对解的稀疏性的影响

2.6 l1范数小化与线性规划的等价性

2.7 含噪稀疏复原

2.8 稀疏复原问题的统计学视角

2.9 扩展LASSO：其他损失函数与正则函数

2.10 总结与参考书目

3章 理论结果（确定性部分）

3.1 采样定理

3.2 令人惊讶的实验结果

3.3 从不完全频率信息中进行信号复原

包邮 稀疏建模理论、算法及其应用+稀疏统计学习及其应用 统计学入门书籍 电子书 下载 mobi epub pdf txt