清华新闻网9月17日电 近日，清华大学自动化系戴琼海教授课题组于2013年3月在信息处理和智能计算领域国际顶级期刊IEEE神经网络及智能系统会刊（IEEE Transactions on Neural Networks and Learning Systems)发表的题为《非凸启发下的低秩结构感知》（Low Rank Structure Learning via Non-convex Heuristic Recovery）的论文被IEEE神经网络及智能系统会刊选作2013年第一季度的亮点文章。该论文还被IEEE智能计算协会会刊IEEE智能计算杂志（IEEE Computational Intelligence Magazine）在2013年度第二季度的季刊上以智能计算协会亮点（CIS Publication Spotlight）的形式专门撰文推荐。
图为亮点文章首页。
该论文提出，依据经典香农信息论，信号的精准恢复需要两倍以上的采样频率。但是，在压缩感知的框架下，这一理论极限却可以通过优化的手段被成功突破。围绕压缩感知，国际上现有的理论成果多借助于凸优化在一范数的结构下对稀疏信号进行恢复。然而，从数学本质上，一范数并不是对刻画信号稀疏本质的零范数（NP难）的最优逼近。
针对这一理论难点，戴琼海教授指导博士研究生邓岳围绕矩阵结构感知与重构问题，提出了一种非凸感知算法，揭示了该框架下非凸函数逼近零范数的理论极限，并定义了算法的收敛解。相比于经典理论体系下“凸”的压缩感知，“非凸感知”可以从更少的采样，更大的噪声下更精准地恢复信号。该理论成果尤其适用于海量数据的感知与重构，并可被应用解决核磁共振成像、无人机视觉、计算光学以及卫星遥感信息处理等实际问题。
包括IEEE智能计算协会的主席，英国爱丁堡大学西蒙·卢卡斯（Simon Lucas）教授在内的诸位专家指出非凸感知算法可解决众多极端条件下的信号重构及表示问题。立体视频国际会议（3DTV）国际大会会议主席奥纽若（Levent Onural）以及美国乔治亚理工大学阿尔雷吉布（Ghassan Al-Regib）教授撰文介绍这项工作的应用成果时指出，非凸矩阵感知算法在三维信号重建中的有效应用，为传统计算机图形学发展揭示了一个新的可行方向。
供稿：自动化系 编辑：范 丽
2013年09月17日 11:22:52
