首页 | 本学科首页   官方微博 | 高级检索  
     

正则化稀疏模型
引用本文:刘建伟,崔立鹏,刘泽宇,罗雄麟.正则化稀疏模型[J].计算机学报,2015(7).
作者姓名:刘建伟  崔立鹏  刘泽宇  罗雄麟
作者单位:1. 中国石油大学 北京 自动化研究所 北京 102249
2. 中国科学院软件研究所基础软件国家工程研究中心 北京 100190
基金项目:国家自然科学基金(21006127)资助.This work is supported by the National Natural Science Foundation of China (21006127).
摘    要:正则化稀疏模型在机器学习和图像处理等领域发挥着越来越重要的作用,它具有变量选择功能,可以解决建模中的过拟合等问题.Tibshirani 提出的 Lasso 使得正则化稀疏模型真正开始流行.文中总结了各种正则化稀疏模型,指出了各个稀疏模型被提出的原因、所具有的优点、适宜解决的问题及其模型的具体形式.最后,文中还指出了正则化稀疏模型未来的研究方向.

关 键 词:正则化  稀疏  变量选择  套索  无偏估计  组稀疏  融合套索

Survey on the Regularized Sparse Models
LIU Jian-Wei,CUI Li-Peng,LIU Ze-Yu,LUO Xiong-Lin.Survey on the Regularized Sparse Models[J].Chinese Journal of Computers,2015(7).
Authors:LIU Jian-Wei  CUI Li-Peng  LIU Ze-Yu  LUO Xiong-Lin
Abstract:
Keywords:regularization  sparse  variable selection  Lasso  unbiased estimation  group sparsity  fused Lasso
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号