在正题之前,首先明确几个相关概念:
(1)凸集(convex set):集合C内任意两点的连线都在集合C内。

(2)凸函数(convex function):

如:
(3)Lp范数:

(4) L0范数: 一个向量的L0范数等于该向量中非零元素的个数,即:

(5)L1范数:一个向量的L1范数等于该向量中各元素的绝对值之和,即:

L0范数的最优化是一个NP-hard问题,而L1范数可以认为是L0范数的最有凸近似,通常用L1范数代替L0范数。
(6)L2范数:一个向量的L2范数等于该向量中各元素的平方和,再求平方根,也就是欧氏距离,即:

(7)图像的TV范数:是指图像梯度的L1范数,即:

离散梯度变换(DGT):

179

被折叠的 条评论
为什么被折叠?



