關於凸優化的bregman算法

1. 主要用作L1範數的優化問題，比如TV降噪和壓縮感知問題。 2. 主要求解方式 Bregman距離 點u和v之間的Bregman距離定義如下： J：X->R， 凸函數。 。。所以 p 是 J 在 u 點的一個次梯度。 凸函數兩個點u，v之間的Bregman距離：等於其函數值之差，再減去其次梯度點p與自變量之差的內積。 要解決的問題：求u(最小化) Bregman迭代算法可以高效的求解下面的泛函

>>阅读原文<<