12月27日 李世东教授学术报告

发布时间:2019-12-23

报告题目：Enhancing sparsity selections through tail shrinkage and energy relocation

主讲人：李世东，旧金山州立大学教授

报告时间：2019年12月27日 10：30-11：30

报告地点：南校园336栋（旧数学楼）210

主持：张海樟教授

摘要：A group of sparsity enhancing techniques through tail shrinkage and tail energy relocations will be presented. Among others, the focus will be on thresholding algorithms with (tail) feedbacks and null space tuning (NST+HT+FB) and the group of tail shrinkage techniques. The core NST+HT+FB algorithm is shown to converge in finitely many steps. Convergence proofs of variations of the NST+HT+FB mechanisms are also obtained. Necessary and sufficient conditions for unique solution of the tail shrinkage formulation, as well as the error bound analysis will be provided.

个人介绍：李世东教授于1993年在美国University of Maryland, Baltimore County获应用数学博士学位。1993-1994年，李教授就职于美国常青藤联校之一的Dartmouth College，任客座(助)教授，并与1994-1996年就职于University of Maryland, College Park，任客座(助)教授。从1996至今，李教授就职于美国San Francisco State University的数学系, 并于2000年获终身(tenured) 教职, 2005 年升任终身正教授。李教授的科研方向包括框架和框架的延伸理论及其在信号处理和数据融合中的应用。李教授的博士论文首创了框架多尺度分析理论（Frame Multiresolution Analysis），他亦率先在世界上刻划了框架分解的最一般的形式，并推导了偶框架的一般表达式。李教授还提出并构造了多窗型Gabor分解理论（multi-Gabor expansions）以便多频信号分析的自适应性及改善时频信号分析的分辨率。李教授的较新理论成果是与合作者(P. Cassaza and G. Kutyniok)提出的融合框架理论(Fusion Frames)，以及新近又提出的非正交融合框架理论。融合框架是数据融合及传感器网络应用中观察和提炼出的理论。它的应用不但可以忠实的刻画一般传感器网络系统，更重要的是可以简化大而难的大网络融合问题。李教授的最新工作是关于信号在框架下稀疏的压缩感知理论和应用。