网站幸运时时彩 | 新沂新闻 教育新闻 | 社会新闻 | 手机访问   慈善公益 | 科技网络 | 娱乐新闻 | 新天评论   阅读 | 公共信息 | 咖啡培训 | 关注 | 文章阅读 | 价格
本地资讯 | 今日江苏 | 乡镇动态 | 房产新闻 | 国内 财经新闻 | 国际 | 旅游 | 美食美酒 | 生活 三农关注 | 养殖 | 酒水 | 广告信息 | 咖啡 | 茶叶

TOP

压缩感知与最大后验估计
近期大量阅读各种压缩感知和图像去模糊、去噪、填补的论文,我发现这些问题都可以归结为状态估计问题,而采取的目标函数往往都是保真项和正则约束项之和,并让这个泛函最小,如果从贝叶斯理论的角度思考这些问题,我发现全是一个问题,那就是最大后验概率估计问题,我们将这些论文做一个梳理,假设这些泛函目标函数称为能量函数E(x),并给定一个吉布斯分布概率,P=1/(1+exp(E(x)),显然,当目标函数最小的时候,吉布斯分布的概率最大,这个过程跟贝叶斯理论中的思想(给定观测,以最大后验概率估计确定状态变量)非常吻合,即:给定一个模糊的观测,如果在给定一个先验知识,状态在某个域下稀疏,那么,我们就能构建出以保真项+正则项的泛函,当目标函数达到最小,我们就认为,状态估计满足了保真约束(似然)稀疏约束(先验约束),能量函数达到最小,从而使得吉布斯分布概率尽可能大。
   
我们的目的非常明确,就是要找到既满足与观测接近又满足某个域下稀疏的先验条件,从而获取对真实状态的估计,仔细对比贝叶斯理论,我们可以发现压缩感知和TV去噪等问题都可以归结为贝叶斯理论中的后验估计,其中保真项类似于似然估计。所谓似然,就是要找一个状态最大可能地相似于得到的观测,”,在 古文中的意思就是“这样”的意思,就是模糊的观测,如果仅仅采用最大似然估计,那状态直接取为观测在观测函数反函数下的映射即可,这种估计显然还不够准确,如果我们再加上某个域下稀疏分布的条件作为先验知识的话,获得的估计显然要更加准确,这就是我们添加正则项的根本目的。综上,增加约束的过程就是增加先验的过程,先验知识越多,那么估计越准确,这个过程与贝叶斯理论何其相似!
  顺便提一下,在正则约束泛函问题中,约束可以不止一项,当约束项较多的时候,我们就需要利用变量分裂的方式来去耦合求解,经典的通法有交替方向乘子法和分裂Bregman方法。
Tags: 责任编辑:新天网
】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
分享到QQ空间
分享到: 
上一篇高校学生将种田作为一门必修课是.. 下一篇关于日本的点评:南京大屠杀

 

阅读推荐内容

范雨素一夜爆红后压力过大 已躲入深山
44岁的湖北人范雨素怎么也没有想到,一夜之间,她的名字迅速蹿红社交平台。4月24日,微信公众号“正午故事”发布了一篇名为《..

最新文章

图片主题

热门文章

推荐文章

网络资讯

亿信彩票娱乐 500万彩票导航网 幸运时时彩 幸运时时彩 快乐时时彩 北京pk10 500万彩票 河北11选5走势图 北京两步彩 500彩票网