[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]1、软阈值(SoftThresholding)函数的符号软阈值(SoftThresholding)目前非常常见,文献【1】【2】最早提出了这个概念。软阈值公式的表达方式归纳起来常见的有三种,以下

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

1、软阈值(Soft Thresholding)函数的符号

        软阈值(Soft Thresholding)目前非常常见,文献【1】【2】最早提出了这个概念。软阈值公式的表达方式归纳起来常见的有三种,以下是各文献中的软阈值定义符号:

文献【1】式(12):

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

 

文献【2】:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

文献【3】:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

文献【4】式(8):

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

文献【5】式(1.5):

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

文献【6】式(12)注释:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

文献【7】:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        其中文献【1】【2】【3】【5】是第一种,也是最常见的一种;文献【4】【6】是第二种,个人认为可读性比第一种要好;文献【7】是第三种,个人认为可读性最好。当然,它们表达的意思是一样的(无论是sgn(x)还是sign(x)都是符号函数,即当x>0时为1,当x<0时为-1):

        以文献【1】符号为例解释第一种表示方式。这里w是变量,λ是阈值(非负值),符号(|w|-λ)+表示当(|w|-λ)>0时则等于|w|-λ,当(|w|-λ)<0时则等于0。那么分三种情况来讨论:第一种情况是w>λ>0,则sgn(w)=1,|w|=w,(|w|-λ)一定大于0,(|w|-λ)+=|w|-λ,所以ηS(w,λ)=w-λ;第二种情况是w<-λ<0,则sgn(w)=-1,|w|=-w,(|w|-λ)也一定大于0,(|w|-λ)+=|w|-λ,所以ηS(w,λ)=-1*(-w-λ)= w+λ;第三种情况是|w|<λ,此时(|w|-λ)一定小于0,则(|w|-λ)+=0,所以ηS(w,λ)=0。因此

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

 

        以文献【6】符号为例解释第二种表示方式。这种表示方式中符号max{|u|-a,0}的作用与第一种表示方式中的符号(|w|-λ)+的作用一样,即当(|u|-a)>0时max{|u|-a,0}=(|u|-a),当(|u|-a)<0时max{|u|-a,0}=0,知道了这一点剩下的分析与第一种表示方式相同。

        综上,三种表示方式均是一致的。

2、软阈值(Soft Thresholding)函数的作用

        弄清楚了软阈值(Soft Thresholding)的符号表示以后,接下来说一说它的作用。以下内容主要参考了文献【7】,这是一个非常棒的PPT!!!

        软阈值(SoftThresholding)可以求解如下优化问题:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

 

其中:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        根据范数的定义,可以将上面优化问题的目标函数拆开:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        也就是说,我们可以通过求解N个独立的形如函数

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

的优化问题,来求解这个问题。由中学时代学过的求极值方法知道,可以求函数f(x)导数:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        这里要解释一下变量x绝对值的导数,当x>0时,|x|=x,因此其导数等于1;当x<0时,|x|=-x,因此其导数等于-1;综合起来,x绝对值的导数等于sgn(x)。令函数f(x)导数等于0,得:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        这个结果等号两端都有变量x,需要再化简一下。下面分三种情况讨论:

(1)当b>λ/2时

        假设x<0,则sgn(x)=-1,所以x=b+λ/2>0,与假设x<0矛盾;

        假设x>0,则sgn(x)=1,所以x=b-λ/2>0,成立;

        所以此时在x=b-λ/2>0处取得极小值:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

 

        即此时极小值小于f(0),而当x<0时

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        即当x<0时函数f(x)为单调降函数(对任意△x<0,f(0)<f(△x))。因此,函数在x=b-λ/2>0处取得最小值。

(2)当b<-λ/2时

        假设x<0,则sgn(x)=-1,所以x=b+λ/2<0,成立;

        假设x>0,则sgn(x)=1,所以x=b-λ/2<0,与假设x<0矛盾;

        所以此时在x=b+λ/2<0处取得极小值:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        即此时极小值小于f(0),而当x>0时

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        即当x>0时函数f(x)为单调升函数(对任意△x>0,f(△x)>f(0))。因此,函数在x=b+λ/2<0处取得最小值。

(3)当-λ/2<b<λ/2时(即|b|<λ/2时)

        假设x<0,则sgn(x)=-1,所以x=b+λ/2>0,与假设x<0矛盾;

        假设x>0,则sgn(x)=1,所以x=b-λ/2<0,与假设x<0矛盾;

        即无论x为大于0还是小于0均没有极值点,那么x=0是否为函数f(x)的极值点呢?

        对于△x≠0,

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        当△x >0时,利用条件b<λ/2可得

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        当△x <0时,利用条件b<λ/2可得(注:此时|△x |=-△x)

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        因此,函数在x=0处取得极小值,也是最小值。

        综合以上三种情况,f(x)的最小值在以下位置取得:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        与前面的软阈值(Soft Thresholding)对比一下,发现了么?若将上式中的b视为变量,λ/2视为阈值,上式即为软阈值(SoftThresholding)的公式。

        至此,我们可以得到优化问题

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

的解为

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        注:该式为软阈值(Soft Thresholding)的矩阵形式。

3、软阈值(Soft Thresholding)的变形

        当优化问题变为

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        因为对目标函数乘一个常系数不影响极值点的获得,所以可等价为优化问题

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

此时的解为soft(Bλ)。

4、软阈值(Soft Thresholding)的MATLAB代码

        软阈值(Soft Thresholding)的函数代码可以写成专门针对优化问题

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        软阈值(Soft Thresholding)是如此简单以至于可以用一句代码去实现它[8]:

                                              [转]软阈值(Soft Thresholding)函数解读[通俗易懂]

 当然,如果不习惯这种形式,也可以写成常见的函数形式:

function [ soft_thresh ] = softthresholding( b,lambda )  
    soft_thresh = sign(b).*max(abs(b) - lambda/2,0);  
end  

  

        一定要注意:这种写法是针对最开始的优化问题:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

        但我个人感觉更应该写成这种通用形式:

function [ x ] = soft( b,T )  
    x = sign(b).*max(abs(b) - T,0);  
end  

  

        如此之后,若要解决优化问题

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

只需调用soft(B, λ/2)即可;若要解决优化问题

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

只需调用soft(B, λ)即可。

5、软阈值(Soft Thresholding)测试代码

        用以下一小段代码测试一下软阈值,用来求解优化问题:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

这里用的对比函数是基追踪降噪(BPDN_quadprog.m),参见压缩感知重构算法之基追踪降噪(Basis PursuitDe-Noising, BPDN)(http://blog.csdn.net/jbb0523/article/details/52013669),使用BPDN时,实际上就是观测矩阵为单位阵时的一种特殊情况:

clear all;close all;clc;   
b = [-0.8487   -0.3349    0.5528    1.0391   -1.1176]';  
lambda = 1;  
x1=soft(b,lambda)  
x2=BPDN_quadprog(b,eye(length(b)),lambda)  
fprintf('\nError between soft and BPDN = %f\n',norm(x1-x2))  

  

这里就不给出输出结果了。运行后,观察输出结果可知,soft函数与BPDN_quadprog函数的输结果相同。

        另外,可以在matlab里输入以下命令看一个软阈值的图像:

x=-5:0.1:5;T=1;y=soft(x,T);plot(x,y);grid;  

  

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

 

6、总结

 

        可以发现,软阈值解决的优化问题和基追踪降噪问题很像,但并不一样,而且需要格外说明的是,软阈值并能不解决基追踪降噪问题,文献【8】在最后明确说明了这一点:

[转]软阈值(Soft Thresholding)函数解读[通俗易懂]

 

        近来学习研究各种算法,发现给自己挖的坑有点深,有点跳不出来了,各种问题接踵而来,各种新概念一个接着一个,而软阈值(Soft Thresholding)就是其中之一,根本没法子绕过去。在文献【6】中,作者描述软阈值(Soft Thresholding)时用的是“the well-known soft-threshold function”,好吧,还well-kown。在学习过程中文献【9】对我帮助也挺大的,但从作者的语气来看,也没有多么well-kown啊……

        最后,非常感谢文献【7】的PPT,看了之后让我有一种醍醐灌顶的感觉……

7、参考文献

【1】Donoho D L, JohnstoneJ M. Ideal spatial adaptation by wavelet shrinkage[J]. Biometrika, 1994, 81(3):425-455.

【2】Donoho D L.De-noising by soft-thresholding[J]. IEEE transactions on information theory,1995, 41(3): 613-627.

【3】Bredies K, Lorenz D.Iterative soft-thresholding converges linearly[R]. Zentrum fürTechnomathematik, 2007.

【4】Bioucas-Dias J M,Figueiredo M A T. A new TwIST: two-step iterative shrinkage/thresholdingalgorithms for image restoration[J]. IEEE Transactions on Image processing,2007, 16(12): 2992-3004.

【5】Beck A, Teboulle M. Afast iterative shrinkage-thresholding algorithm for linear inverse problems[J].SIAM journal on imaging sciences, 2009, 2(1): 183-202.

【6】Wright S J, Nowak RD, Figueiredo M A T. Sparse reconstruction by separable approximation[J]. IEEETransactions on Signal Processing, 2009, 57(7): 2479-2493.

【7】谷鹄翔.IteratedSoft-Thresholding Algorithm[Report,slides]. http://www.sigvc.org/bbs/thread-41-1-2.html

【8】http://www.simonlucey.com/soft-thresholding/

【9】http://blog.sina.com.cn/s/blog_6d0e97bb01015vq3.html

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/166969.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • Vue单页面应用

    Vue单页面应用总结如下: 单页面应用指一个系统只加载一次资源,然后下面的操作交互、数据交互是通过router、ajax来进    行,页面并没有刷新;&lt;1&gt;在vue搭建的环境里面怎么有没有公用的css和js?如果有是怎么引用的?   有公用的css和js,有两种引用的方法:(要深刻理解单页面应用程序哦,单页面就是引入后在哪里都能使用)   1.全局公共引用样式和js文件   …

  • mysql-front 下载安装

    mysql-front 下载安装mysql-front 下载安装

  • SQL Server中的sp_executesql系统存储过程

    SQL Server中的sp_executesql系统存储过程sp_executesql语法 sp_executesql[@stmt=]stmt[    {,[@params=]N@parameter_name  data_type[,…n]}    {,[@param1=]value1[,…n]}] 参数[@stmt=]stmt 包含 Transact-SQL 语

  • python_simplejson 记录

    python_simplejson 记录

  • 函数极限的24种定义

    函数极限的24种定义函数极限的24种定义在求函数f(x)的极限问题时:当x→x0时,要求f(x)必须在U°(x0;δ)内有定义当x→∞时,要求f(x)必须在[a,+∞)内有定义其他情况类似…

  • Linux下安装RabbitMQ

    Linux下安装RabbitMQ一、RabbitMQ介绍RabbitMQ是一个开源的AMQP实现,服务器端用Erlang语言编写,支持多种客户端,如:Python、Ruby、.NET、Java、JMS、C、PHP、ActionScript、XMPP、STOMP等,支持AJAX。用于在分布式系统中存储转发消息,在易用性、扩展性、高可用性等方面表现不俗。AMQP,即AdvancedMessageQ…

    2022年10月22日

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号