买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利一种无参数融合LASSO模型求解方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117093950B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311056932.3，技术领域涉及：G06F18/25；该发明授权一种无参数融合LASSO模型求解方法是由张永超;刘帅迪;晏家楠设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本一种无参数融合LASSO模型求解方法在说明书摘要公布了：本发明公开了一种无参数融合LASSO模型求解方法，首先建立线性信号模型，通过全变差算子与稀疏范数相结合构建一种融合LASSO模型，再重定义融合LASSO模型，通过计算归一化加权矩阵，根据协方差拟合准则，在均匀噪声情况和非均匀噪声情况下分别构建一种无参数融合LASSO求解模型，最后通过对无参数融合LASSO模型的求解，实现目标稀疏重建。本发明方法融合了全变差算子与稀疏范数约束，在实现信号稀疏重建的同时还能够保持目标边缘信息，相比现有LASSO模型具有更好的尺度恢复能力，同时构建了基于协方差拟合准则的无参数求解方法，避免了求解过程中复杂的正则化参数选择问题。

本发明授权一种无参数融合LASSO模型求解方法在权利要求书中公布了：1.一种无参数融合LASSO模型求解方法，具体步骤如下： 步骤一、建立线性信号模型； 建立线性信号模型： y＝Hs+e1 其中，表示信号样本向量，表示一个字典矩阵，表示待恢复信号向量，表示加性噪声向量，表示向量空间维度，M表示信号样本维度，N表示待恢复信号维度； 步骤二、构建融合LASSO模型； 设定向量s是稀疏的，LASSO优化方法表示为： 其中，表示模型和信号之间的l范数距离，||s||表示对向量s添加稀疏约束，μ表示控制两项之间权衡的参数； 将全变差算子与稀疏约束相结合，得到一种融合LASSO优化模型，其表达式为： 其中，D表示全变差算子，具体表示为： 步骤三、重定义融合LASSO模型； 设定是可逆矩阵，将全变差算子与稀疏约束相融合，可令： B＝HD-15 x＝Ds6 则式3重新表示为： 步骤四、计算归一化加权矩阵； 构造归一化加权矩阵去除式7中的正则化参数，令B＝[b1,b2,...,bM]，则加权矩阵可以表示为： Wx＝diag[w1...wM]8 Wσ＝diag[wM+1...wM+N]9 其中，diag·表示将向量转化为对角矩阵，Wx表示对目标约束的加权矩阵，Wσ表示对噪声约束的加权矩阵； 步骤五、构建无参数求解模型； 利用步骤四中的加权矩阵Wx和Wσ，根据协方差准则，分别针对噪声的两种不同情况构建两种无参数求解模型； 第一种情况是指所有噪声方差σk相等的均匀噪声情况；设定所有的噪声项都有相等的方差，即当时，式7等价为： 第二种情况是指噪声方差σk不相同时的非均匀噪声情况；设定噪声项存在不同的方差，式7等价为： 步骤六、模型转化； 对模型进行转化，实现对向量s的求解，得到最终的无参数融合LASSO模型求解方法； 在均匀噪声情况下，将式5、6带入式11得： 在非均匀噪声情况下，将式5、6带入式12得 步骤七、模型求解； 步骤六所得模型是一个凸优化问题，通过Matlab的CVX工具箱进行求解； 在均匀噪声下，求解结果为： 在非均匀噪声情况下，求解结果为： 其中，表示目标重建结果，CVX·表示CVX工具箱求解过程； 最终通过对无参数融合LASSO模型的求解，实现目标稀疏重建。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学长三角研究院(衢州)，其通讯地址为：324000 浙江省衢州市柯城区芹江东路288号1幢18楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。