论文研究 线性交替方向乘子法在词典学习中的应用

交替方向乘数法（ADMM）广泛用于各个领域，文献中针对不同的应用场景定制了不同的变量[1] [2] [3] [4]。 其中，线性化交替方向乘积法（LADMM）由于其有效性和易于实现而受到广泛关注。 本文主要讨论ADMM在字典学习（非凸问题）中的应用。 许多数值实验表明，为了达到更高的收敛精度，ADMM的收敛速度会变慢，尤其是在最优解附近。 因此，我们引入了线性化交替方向乘积法（LADMM）以加快ADMM的收敛速度。 具体而言，通过使子问题的二次项线性化来解决该问题，并证明了算法的收敛性。 最后，是全文的简短摘要。