qq_40445763的博客

算法實現 OGA+ HDIC + Trim HDIC = (HDBIC / HDHQ) 進行Kn次的OGA的迭代，其中Kn是OGA的迭代上限 獲得k個回歸因子後，計算高維信息準則HDIC; 選擇OGA迭代結束時可以最小化HDIC的k, 1 <= k <= Kn, 使用Trim獲得最小的相關數據集合 細節 1. （1） OGA算法實現 1)使用選擇器（2.1）找到當前的最優變(greedy的思想) 但是我們不使用（2.2）定義 ,在OGA中 定義如下： 對於2.2 使用了線性變換，把 目的是實

h(u)=12∥u−β∥22+λ∥u∥1h(u) = \frac{1}{2}\| u -\beta \|_2^2 + \lambda \|u \|_1h(u)=21​∥u−β∥22​+λ∥u∥1​ is strictly convex, we need to prove Sλ(β)=proxλ∥⋅∥1S_{\lambda}(\beta) = {\rm prox}_{\lambda \| \cdot\|_{1}}Sλ​(β)=proxλ∥⋅∥1​​ f:RN→Rf: \mathbf{R}^{N} \r.

11