《大数据与数据科学专著系列》序
前言
第1章  lp优化模型（0≤p≤1）
  1.1  稀疏性
  1.2  限制等距性质
  1.3  非线性逼近
  1.4  优化模型的稳定性
  1.5  与相关领域的联系
    1.5.1  低秩矩阵恢复
    1.5.2  紧框架下的压缩感知理论
第2章  特殊结构的测量矩阵及其应用
  2.1  正交匹配追踪算法
  2.2  稀疏解的唯一性
  2.3  无偏基
  2.4  贪婪算法和基追踪
第3章  冗余字典下的压缩感知理论
  3.1  ADS和ALASSO模型
    3.1.1  ADS模型逼近恢复结果
    3.1.2  ALASSO模型逼近恢复结果
  3.2  框架下q-RIP和lq分析模型（0  3.3  D-RE条件和l1分析模型
第4章  压缩采样下的信号分离理论
  4.1  l1分离分析模型
  4.2  lq分离分析模型（0  4.3  D-RE条件和l1分析模型
第5章  压缩感知理论的应用I：One-Bit压缩感知的理论与算法
  5.1  迭代硬阈值算法
  5.2  投影次梯度
  5.3  随机次梯度投影算法
  5.4  基于稀疏约束的非光滑正则化问题
    5.4.1  One-Bit压缩感知
    5.4.2  支持向量机
第6章  压缩感知理论的应用II：相位恢复理论与算法
  6.1  相位恢复的背景介绍
  6.2  相位恢复的数学理论与算法
  6.3  掩模傅里叶测量下的PhaseLift算法
  6.4  带噪声掩模傅里叶测量下的相位恢复问题
    6.4.1  掩模傅里叶测量下的黎曼算法
    6.4.2  掩模傅里叶测量下黎曼算法的收敛性分析
  6.5  无噪声干扰掩模傅里叶测量下的相位恢复问题
    6.5.1  掩模傅里叶测量下的Wirtinger Flow算法
    6.5.2  掩模傅里叶测量下Wirtinger Flow算法的收敛性分析
参考文献
索引
《大数据与数据科学专著系列》已出版书目