读彬彬有礼压缩感知相关论文笔记2——lp球范数相关了解

其实，关于为什么选用1范数求解压缩感知问题，我也一直没有搞明白，不过还好遇到了彬彬有礼是一个求甚解并爱分享的人！再次表示感谢！

压缩感知中的lp球：p范数最优化为什么总会导致一个稀疏的解的原因

http://blog.csdn.net/jbb0523/article/details/40268943

明白了一点，常见的关于lp球的绘图都是基于二维绘制的！

到看程序时，有一个很重要的一点，原博主说的很清楚，坐标系两个轴分别是x1和x2，而绘图时代码用的是x1和y1，容易让人产生误解，其实仔细观察y1由来，是y1=(c1^p-x1.^p).^(1/p);其实原作是整理的范数公式，

此处，以二维为例，故为y=(x1^p+x2^p)^(1/p)，可以看出代码中的x1和y1其实是公式中x1和x2，而c1才是函数值。接下来看原博主解释即可！

通读原文还有一点没有想明白，正常讲直线会与1范数在两个轴都产生交点，也就是两个交点都是稀疏情况。
怎么确定哪个才是所求解呢？

现在我能想到的解释是，正常Ax=b直线与范数图形在一轴上有唯一交点，另一轴有交点时，交点不唯一，应该会导致无法求解的问题吧，这是我能想到的解释了！

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！