学术报告:Two Approaches for Linear Inverse Problem in Compressed Sensing
发布时间: 2018-10-24  浏览次数: 15


报告题目:Two Approaches for Linear Inverse Problem in Compressed Sensing

报告人:李松  浙江大学求是特聘教授、博导

报告时间:20181029(周一)  下午14:45-15:30

报告地点:江宁校区励学楼B219 (理学院学术报告厅)

报告摘要:In this talk, I shall review two approaches in compressed sensing for solving the structured linear inverse problem. I shall firstly investigate RIP method for solving this linear inverse problem and shall show optimal RIP bounds for sparse solution recovery by using l_1-minimization,these works were related to an open problem raised by T.Tao. Then, I shall also consider for the analysis sparse case in which the solution is sparse with respect to a highly coherence frame. For the case, i shall introduce a new model called analysis Dantzig selector and show that the performance of analysis Dantzig selector is similar to well-known analysis LASSO when applied to solve the structured linear inverse problem. 

报告人简介:李松,浙江大学求是特聘教授,博士生导师,研究方向包括:小波分析理论及其应用、采样理论、压缩感知理论、低秩矩阵恢复理论与相位恢复理论等若干应用数学研究领域。关于小波分析与压缩感知的代表性工作曾获得教育部自然科学二等奖(排名1)。此外,主持了国家自然科学基金重点与面上在内的5项基金项目,也主持了浙江省重大科技专项的基金项目。到目前为止在国际主流期刊发表了80余篇学术论文,其中包括在《Appl. Comput. Harm. Anal》、《J. Fourier. Anal. Appl》、《IEEE. Trans. Signal. Processing》、《J. Approx. Theory》、《Inverse Problem and Imaging》、《IEEE Trans. Inform. Theory》等国际数学重要期刊以及国际数学与信息、信号处理交叉领域顶级期刊发表论文。曾被邀请参加数十次国际重要学术会议,并做特邀报告,其中包括《亚洲逼近论会议》一小时特邀报告以及《第七届世界华人数学家大会》45分钟特邀报告等。曾担任国家自然科学基金委重点项目与面上项目评审会评专家。