基于松弛函数结构分解的非凸非光滑稀疏信息恢复算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61901404
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0111.信号理论与信号处理
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

In the last decade, information recovery problems based on sparse signal recovery and low rank matrix recovery is a hot topic in many scientific research fields, such as information science, applied mathematics, statistics, machine learning, computer vision. Traditional convex relaxation models for solving sparse information recovery problems have obtained a lot of achievements in both theoretical analysis and design of algorithm. In contrast, non-convex sparse recovery models need a systematic and in-depth study in both theory and algorithm. This project mainly studies the design problem of algorithm for non-convex sparse restoration models. An important reason for the difficulty of solving non-convex sparse recovery models is the non-convexity and non-smoothness of relaxation functions, especially the non-smoothness, which prevents the use of traditional smoothing methods such as gradient methods and Newton methods. The project uses the decomposition properties of a large class of non-convex relaxation functions and Moreau envelopes of non-smooth convex functions to construct a smooth function, proves that non-convex sparse recovery models are equivalent to the corresponding smooth optimization problems, and then constructs new and efficient non-convex sparse optimization algorithms.
近十多年,以稀疏信号恢复和低秩矩阵恢复为主的信息恢复问题是信息科学,应用数学,统计学,机器学习,计算机视觉等许多科学研究领域关注的前沿话题。传统求解稀疏信息恢复问题的凸松弛模型在理论分析和算法设计方面都获得了非常多的成果。相比之下,非凸稀疏恢复模型在理论和算法方面还需要系统而深入的研究。本项目主要研究非凸稀疏恢复模型的算法设计问题。非凸稀疏恢复模型难以求解的一个重要原因是松弛函数的非凸非光滑性,尤其是非光滑性阻止了诸如梯度法、牛顿法等传统光滑型方法的使用。本项目通过利用一大类非凸松弛函数的分解性质和非光滑凸函数的Moreau包络来构造光滑函数,证明非凸稀疏恢复模型和相应的光滑优化问题是等价的,进而构建新的有效非凸稀疏优化算法。

结项摘要

非凸非光滑稀疏信息优化问题是最近十多年信号和图像处理,应用数学,统计学和机器学习等领域重点研究的基础应用科学问题。本项目主要研究了非凸非光滑稀疏信息优化问题的等价光滑优化模型及其相关问题的算法设计和应用,获得了如下的三类重要的研究结果:其一,给出了常见非凸稀疏惩罚函数遵循的两类分解规则并提出了一个满足第一类分解规则的新的非凸稀疏惩罚函数,构建了相应的非凸非光滑稀疏信息优化问题的等价光滑优化模型。其二,针对图像复原问题,利用图像非局部低秩先验信息,建立了低秩正则化优化模型,提出了被称为PARM的求解算法并利用著名的KL不等式证明了算法收敛性。所提算法在图像去模糊和图像填充等图像复原问题上获得了很好的效果。其三,针对测量稀疏信号的不相干矩阵的设计问题,建立了矩阵秩约束的半定无穷范数极小化模型,给出了与秩有关的部分非凸约束集的凸差表示,提出了上述模型的部分惩罚模型并设计了被称为DCACO的求解不相干矩阵的算法。在项目的支持下,撰写了3篇高水平论文,其中,已经在线发表论文2篇,正在进行一轮审稿后修改的论文1篇。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
A matrix rank minimization-based regularization method for image restoration
一种基于矩阵秩最小化的图像恢复正则化方法
  • DOI:
    10.1016/j.dsp.2022.103694
  • 发表时间:
    2022-08
  • 期刊:
    Digital Signal Processing
  • 影响因子:
    2.9
  • 作者:
    Hui-Yin Yan;Yu-Mei Huang;Yongchao Yu
  • 通讯作者:
    Yongchao Yu
DCACO: an algorithm for designing incoherent redundant matrices
DCACO:一种设计非相干冗余矩阵的算法
  • DOI:
    10.1007/s11075-022-01441-5
  • 发表时间:
    2022-12
  • 期刊:
    Numerical Algorithms
  • 影响因子:
    2.1
  • 作者:
    Yongchao Yu;Jigen Peng
  • 通讯作者:
    Jigen Peng

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码