Dantzig Selector: Het schatten van een sparse parametervector met weinig metingen - Dantzig Selector: Statistical estimation of a sparse vector with undersampled data

Dantzig Selector: Het schatten van een sparse parametervector met weinig metingen - Dantzig Selector: Statistical estimation of a sparse vector with undersampled data

Sewlal, W.

Jongbloed, G. (mentor)

Electrical Engineering, Mathematics and Computer Science

Applied mathematics

2010-08-11

Bij lineaire regressie geldt in het algemeen, dat het aantal metingen (n) groter is dan het aantal parameters (p). In praktische situaties kan het echter voorkomen, dat het aantal metingen veel kleiner is dan het aantal parameters. De kleinste kwadratenschatter kan in dat geval niet gebruikt worden om de parametervector te schatten, er is geen unieke oplossing voor de normaalvergelijkingen. Wanneer echter gegeven is dat een klein aantal parameters niet-nul is, is het soms toch mogelijk om de parameters te schatten. In 2005 introduceerden Emmanuel Candès en Terence Tao de Dantzig Selector (DS) als een schatter voor de parametervector in deze situatie. In dit verslag wordt uitgelegd hoe de Dantzig Selector werkt. Tevens wordt op theoretische- en praktische wijze nagegaan hoe goed de DS werkt.

Dantzig Selector
statistical estimation
compressed sensing
estimator
sparse
sparsity

http://resolver.tudelft.nl/uuid:b644893a-5eb1-4867-96b3-f19564db86ed

Student theses

bachelor thesis

(c) 2010 Sewlal, W.