Print Email Facebook Twitter Dantzig Selector: Het schatten van een sparse parametervector met weinig metingen - Dantzig Selector: Statistical estimation of a sparse vector with undersampled data Title Dantzig Selector: Het schatten van een sparse parametervector met weinig metingen - Dantzig Selector: Statistical estimation of a sparse vector with undersampled data Author Sewlal, W. Contributor Jongbloed, G. (mentor) Faculty Electrical Engineering, Mathematics and Computer Science Department Applied mathematics Date 2010-08-11 Abstract 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. Subject Dantzig Selectorstatistical estimationcompressed sensingestimatorsparsesparsity To reference this document use: http://resolver.tudelft.nl/uuid:b644893a-5eb1-4867-96b3-f19564db86ed Part of collection Student theses Document type bachelor thesis Rights (c) 2010 Sewlal, W. Files PDF bsc-thesis.pdf 738.91 KB Close viewer /islandora/object/uuid:b644893a-5eb1-4867-96b3-f19564db86ed/datastream/OBJ/view