L 0-regularization for high-dimensional regression with corrupted data

Corrupted data appears widely in many contemporary applications including voting behavior, high-throughput sequencing and sensor networks. In this article, we consider the sparse modeling via L 0 -regularization under the framework of high-dimensional measurement error models. By utilizing the techn...

Celý popis

Podrobná bibliografie

Vydáno v:	Communications in statistics. Theory and methods Ročník 53; číslo 1; s. 215 - 231
Hlavní autoři:	Zhang, Jie, Li, Yang, Zhao, Ni, Zheng, Zemin
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Taylor & Francis 02.01.2024
Témata:	Measurement errors model selection nearest positive semi-definite matrix projection polynomial algorithm regularization
ISSN:	0361-0926, 1532-415X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!