分布式机器学习(交替方向乘子法在机器学习中的应用)

\\\"本书探究交替方向乘子法在图像处理中的应用,选取了运动模糊图像复原和遥感图像融合两个领域来作细致研究。通过 MATLAB进行仿真实验,利用交替方向乘子法高效求解复杂的凸优化问题,研究遮挡人脸识别的鲁棒性算法,以及人脸图像的类内变化和类间变化与鲁棒性算法的关系。同时,本书还探索高效的分布式优化求解方法。将分布式计算框 CoCoA 应用于机器学习和信号处理的各种问题。 本书适合作用从事机器学习研究的科技工作者、专业技术人员、研究生及高年级本科生的参考书。\\\"

雷大江，重庆邮电大学数据科学与大数据技术教授，博士，IET学会会员、ICST学会会员、中国计算机学会会员、儿童医疗大数据智能应用重庆市高校工程研究中心技术委员会委员。2006年毕业于武汉科技大学计算机应用技术专业，获工学硕士学位；2012年毕业于重庆大学计算机科学与技术专业，获工学博士学位。2014-2015年在挪威奥斯陆大学Simula研究院从事高性能计算博士后研究，2018年获得重庆市留学归国人员创新创业项目支持人选称号。

第1章 引言 1.1 大数据对机器学习的挑战 1.2 分布式优化算法外研究现状 1.3 本书研究内容 1.4 参考文献 第2章 交替方向乘子法 2.1 凸1尤化 2.1.1 凸集 2.1.2 凸函数 2.1.3 优化问题 2.1.4 凸优化问题 2.2 对偶 2.2.1 拉格朗日对偶函数 2.2.2 对偶函数和共轭函数 2.2.3 对偶问题 2.2.4 鞍点 2.2.5 对偶上升法 2.2.6 对偶分解性 2.3 交替方向乘子法 2.3.1 增广拉格朗日乘子法 2.3.2 交替方向乘子法 2.3.3 全局变量一致性优化 2.4 参考文献 第3章 稀疏回归 3.1 Lasso问题 3.2 ADMM求解Lasso问题 3.3 I.ass0问题的一般求解 3.4 Lasso问题的全局一致性求解 3.4.1 基于样本划分的I。asso问题 3.4.2 基于特征划分的I。asso问题 3.5 参考文献 第4章 Huber回归 4.1 Huber损失在稀疏鲁棒性编码中的应用 4.1.1 基于回归分析的一般分类框架 4.1.2 稀疏编码 4.1.3 Huber损失函数 4.2 Huber损失的一般化求解 4.3 Huber损失的并行求解 4.3.1 基于特征划分的Huber函数 4.3.2 基于样本划分的Huber函数 4.4 参考文献 第5章 交替方向乘子法在图像处理中的应用 5.1 基于交替方向乘子法的全变差模糊图像恢复 5.1.1 图像退化模型 5.1.2 ADMM算法图像恢复推导过程 5.2 基于交替方向乘子法的遥感图像融合 5.2.1 基于变分框架的图像融合方法 5.2.2 基于增强稀疏结构一致性的遥感图像融合 5.2.3 实验结果与分析 5.3 参考文献