Kullback Proximal算法用于最大似然估计
摘要：极大似然图像重建的加速算法对于新兴应用，如三维断层扫描、动态断层扫描成像和其他高维逆问题至关重要。在本文中，我们介绍并分析了一类快速稳定的顺序优化方法，用于计算最大似然估计，并研究其收敛性质。这些方法基于一种使用后验完整数据密度之间的Kullback-Liebler (KL) 散度作为近端惩罚函数的近端点算法实现。当近端松弛参数设为1时，得到经典的期望最大化 (EM) 算法。通过递减的松弛参数序列，可以获得松弛版本的EM，其在不牺牲单调性的前提下具有更快的渐近收敛性。我们提出了使用Moré的信任域更新策略实现算法的方法。为了说明该方法，我们将其应用于具有泊松分布数据的非二次逆问题上。
作者：St''ephane Chr''etien, Alfred O. Hero
论文ID：1201.5907
分类：Computation
分类简称：stat.CO
提交时间：2012-01-31