关于凸优化的bregman算法

1. 主要用作L1范数的优化问题，比如TV降噪和压缩感知问题。 2. 主要求解方式 Bregman距离 点u和v之间的Bregman距离定义如下： J：X->R， 凸函数。 。。所以 p 是 J 在 u 点的一个次梯度。 凸函数两个点u，v之间的Bregman距离：等于其函数值之差，再减去其次梯度点p与自变量之差的内积。 要解决的问题：求u(最小化) Bregman迭代算法可以高效的求解下面的泛函

>>阅读原文<<