压缩感知的L(1/2)正则化理论及其稀疏微波成像

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61075054
  • 项目类别：
    面上项目
  • 资助金额：
    37.0万
  • 负责人：
    徐宗本
  • 依托单位：
    西安交通大学
  • 学科分类：
    F0603.机器学习
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

压缩感知被认为是会引起信息获取技术革命的高新技术，其核心基础是信息的稀疏表示、保持稀疏结构的采样机制与稀疏信号的重建方法。本项目以稀疏微波成像为背景，系统开展对压缩传感三个基本问题的研究，建立基于视觉编码的信号稀疏表示理论与方法、建立基于随机熵的保稀疏结构的采样机制、建立基于L(1/2) 正则化的稀疏信号重建理论与算法，从而形成压缩传感的一套崭新理论与技术框架。将所发展的理论与技术框架应用于稀疏微波成像，为稀疏微波成像的实际应用提供理论与技术支撑。

结项摘要

传统的压缩感知理论及方法主要以 L(1)正则化为框架,相应的模型为凸优化,因而易于求解与分析,但不能保证采样数的显著减少而且对很多应用问题失效(例如对概率性约束问题)。本项目根据巴拿赫空间几何理论, 提出压缩感知的L(1/2)正则化框架，并系统建立了稀疏信息处理的L(1/2)正则化理论。所建立起的理论说明：(1) L(1/2)正则化能在比L(1)正则化更少的采样下实现稀疏信号重建; (2) 是L(q)(0<q<1)正则化中唯一具有解析解且最稀疏的正则化格式;(3) 其解有严格的阈值表示,并能够解偶成一维问题快速求解; (4)通过与问题的稀疏程度相联系，正则化参数能够精确设定;(5) L(1/2)正则化问题能够通过一个快速的被称之为Half算法的方法有效求解。这一理论为解决广泛的稀疏信息处理问题提供了迥然不同的求解范式。将所建立的L(1/2)正则化理论应用于稀疏SAR成像,形成了1/2-SAR成像新方法,新方法能在显著突破奈奎斯特率采用下实施高精度成像,但所需计算代价远高于常规的SAR成像。为了解决这一难题,项目组进而引进了近似观察算子的概念,并从数学上导出了SAR近似观察的一个具体解析表达,由此形成了与常规SAR成像计算时间相当的基于近似观察算子的稀疏SAR成像新方法。这一新方法解决了稀疏SAR成像难以用于大埸景的难题,在稀疏SAR成像的实现上取得了突破、成果已被多个SAR应用部门采用。

项目成果

期刊论文数量（18）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（0）
基于SCAD罚函数的有噪压缩感知
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    数学学报
  • 影响因子：
    --
  • 作者：
    张海;梁勇;徐宗本;常象宇
  • 通讯作者：
    常象宇
Sparse solution of underdetermined linear equations via adaptively iterative thresholding
通过自适应迭代阈值稀疏求解欠定线性方程
  • DOI：
    10.1016/j.sigpro.2013.10.031
  • 发表时间：
    2013-10
  • 期刊：
    Signal Processing
  • 影响因子：
    4.4
  • 作者：
    Zeng Jinshan;Lin Shaobo;Xu Zongben
  • 通讯作者：
    Xu Zongben
Fast compressed sensing SAR imaging based on approximated observations
基于近似观测的快速压缩感知SAR成像
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATION AND REMOTE SENSING
  • 影响因子：
    --
  • 作者：
    Fang Jian;Xu Zongben
  • 通讯作者：
    Xu Zongben
基于S(1/2)建模的稳健稀疏低秩矩阵分解
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    中国科学:信息科学
  • 影响因子：
    --
  • 作者：
    饶过;彭毅;徐宗本
  • 通讯作者：
    徐宗本
Passage method for nonlinear dimensionality reduction of data on multi-cluster manifolds
多簇流形数据非线性降维的通道方法
  • DOI：
    10.1016/j.patcog.2013.01.028
  • 发表时间：
    2013-08
  • 期刊：
    Pattern Recognition
  • 影响因子：
    8
  • 作者：
    Deyu Meng;Yee Leung;Zongben Xu
  • 通讯作者：
    Zongben Xu

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

粗糙模糊集的构造与公理化方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机学报, 27(2)(2004): 197-203.
  • 影响因子：
    --
  • 作者：
    吴伟志*;张文修;徐宗本
  • 通讯作者：
    徐宗本
新型冠状病毒肺炎疫情下武汉及周边地区何时复工?数据驱动的网络模型分析
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    中国科学:数学
  • 影响因子：
    --
  • 作者：
    王霞;唐三一;陈勇;冯晓梅;肖燕妮;徐宗本
  • 通讯作者：
    徐宗本
基于Isomap的流形结构重建方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    孟德宇;徐晨;徐宗本
  • 通讯作者：
    徐宗本
The estimate for approximation
近似估计
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
    曹飞龙*;谢庭藩;徐宗本
  • 通讯作者：
    徐宗本
基于β-混合输入的经验风险最小化回归的学习速率(英文)
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    应用概率统计
  • 影响因子：
    --
  • 作者：
    邹斌;徐宗本;张海
  • 通讯作者：
    张海

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

徐宗本的其他基金

数学发展战略研究: 2021-2035
  • 批准号：
    11926102
  • 批准年份：
    2019
  • 资助金额：
    50 万元
  • 项目类别：
    专项基金项目
天元数学西北中心项目
  • 批准号：
    11826103
  • 批准年份：
    2018
  • 资助金额：
    300.0 万元
  • 项目类别：
    数学天元基金项目
国家天元数学西北中心项目
  • 批准号：
    11726103
  • 批准年份：
    2017
  • 资助金额：
    300.0 万元
  • 项目类别：
    数学天元基金项目
大数据分析与处理的数学基础与核心算法研究－西安国际数学与数学技术研究中心的培育与建设
  • 批准号：
    11626252
  • 批准年份：
    2016
  • 资助金额：
    100.0 万元
  • 项目类别：
    数学天元基金项目
西安数学与数学技术研究中心的培育与建设
  • 批准号：
    11526209
  • 批准年份：
    2015
  • 资助金额：
    100.0 万元
  • 项目类别：
    数学天元基金项目
数学主导的信息技术研究中心的培育与建设
  • 批准号：
    11426234
  • 批准年份：
    2014
  • 资助金额：
    150.0 万元
  • 项目类别：
    数学天元基金项目
致密油气藏地震资料反演的混合建模与基础算法
  • 批准号：
    91330204
  • 批准年份：
    2013
  • 资助金额：
    350.0 万元
  • 项目类别：
    重大研究计划
工程数学学报
  • 批准号：
    11026022
  • 批准年份：
    2010
  • 资助金额：
    5.0 万元
  • 项目类别：
    数学天元基金项目
西部及其周边地区非数学专业基础课教师研修班
  • 批准号：
    11026030
  • 批准年份：
    2010
  • 资助金额：
    30.0 万元
  • 项目类别：
    数学天元基金项目
关于支撑向量回归机的模型选择问题
  • 批准号：
    60575045
  • 批准年份：
    2005
  • 资助金额：
    24.0 万元
  • 项目类别：
    面上项目

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