论文部分内容阅读
文章引进了l1极小化技术，来选择线性回归模型中的自变量。主要是解决一个加权向量的l1极小化问题，使所求向量尽可能稀疏。通过二次规划构想，进行变换，使之成为求解二次规划的问题，然后用GP·SR（稀疏重建的梯度投影）的方法来求解。通过l1极小化理论和数据的稀疏性的应用，就可以大大的减少自变量的个数，从而减轻了回归的计算量并且能保持回归模型的质量。