项目名称: 非光滑凸优化问题的快速算法及其在图像分析中的应用

项目编号: No.91330105

项目类型: 重大研究计划

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 孔德兴

作者单位: 浙江大学

项目金额: 65万元

中文摘要: 非光滑的凸优化问题及其快速算法是计算科学与应用数学领域中的前沿主流研究课题,在高新技术中具有十分重要的作用。本项目拟对一类具有广泛应用的非光滑凸优化问题发展其新的数学理论及最佳的数值解法。该优化问题的一个重要应用是医学影像分析与处理,譬如部分并行成像(PPI)技术中的多对比度的磁共振图像的同时重构:部分并行成像技术是一种多线圈并行数据采集技术,其优点是扫描时间短、价格低、能大大减少患者的痛苦。本项目将着重研究下述几个方面的问题:1、对上述非光滑的凸优化问题,研究具有最佳收敛速率的修正ADMM算法以及具有变化步长的Bregman算子分裂算法,发展相应的数学理论;2、设计合理的回朔策略以加速算法的收敛速度、减少计算时间,从而提高所提出的算法的实际性能;3、把上述快速算法应用于部分并行成像中的多对比度的磁共振图的联合重构问题。这些问题的解决无论是在理论上还是在应用方面均具有十分重要的科学价值。

中文关键词: 非光滑凸优化;修正ADMM算法;Bregman算子分裂算法;;最佳收敛速率;图像重构

英文摘要: Non-smooth convex optimization and its accelerated algorithms are the frontier key research topics in computational science and applied mathematics, they play an important role in high and new technologies. This proposal aims at developing novel theories and optimal numerical methods for solving a class of non-smooth convex optimization problems with wide applications. A typical application of this class of non-smooth convex optimization problems is in medical image analysis and processing, e.g., simultaneous multi-contrast MR image reconstructions in partially parallel imaging. This project will investigate the following important problems: (1) Develop accelerated modified ADMM algorithms and Bregman operator splitting algorithm (with variable stepsizes) with the optimal rate of convergence for solving the class of non-smooth convex problems under consideration; (2) Develop backtracking strategies to speed up the convergence, reduce computational time and improve the performance of the proposed algorithms in practice; (3) Apply our proposed accelerated algorithms to simultaneous multi-contrast magnetic resonance (MR) image reconstruction in partially parallel imaging. Clearly, the solution of these problems has great scientific significance in both theoretical and applied aspects.

英文关键词: Non-smooth Convex Optimization;modified ADMM algorithms;Bregman operator splitting;Optimal convergence rate;Image reconstruction

成为VIP会员查看完整内容
0

相关内容

【博士论文】基于冲量的加速优化算法
专知会员服务
25+阅读 · 2021年11月29日
快速卷积算法的综述研究
专知会员服务
26+阅读 · 2021年10月25日
图表示学习在药物发现中的应用,48页ppt
专知会员服务
98+阅读 · 2021年4月30日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
33+阅读 · 2021年2月7日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
42+阅读 · 2020年7月29日
交替方向乘子法(ADMM)算法原理详解
PaperWeekly
3+阅读 · 2022年1月21日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
一文概括常用图像处理算法以及常用开发库
极市平台
1+阅读 · 2021年11月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
Meta-Learning 元学习:学会快速学习
专知
24+阅读 · 2018年12月8日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
18+阅读 · 2021年3月16日
Arxiv
15+阅读 · 2021年2月19日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
小贴士
相关主题
相关VIP内容
【博士论文】基于冲量的加速优化算法
专知会员服务
25+阅读 · 2021年11月29日
快速卷积算法的综述研究
专知会员服务
26+阅读 · 2021年10月25日
图表示学习在药物发现中的应用,48页ppt
专知会员服务
98+阅读 · 2021年4月30日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
33+阅读 · 2021年2月7日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
42+阅读 · 2020年7月29日
相关资讯
交替方向乘子法(ADMM)算法原理详解
PaperWeekly
3+阅读 · 2022年1月21日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
一文概括常用图像处理算法以及常用开发库
极市平台
1+阅读 · 2021年11月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
Meta-Learning 元学习:学会快速学习
专知
24+阅读 · 2018年12月8日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员