学习 spams --- 帮助文档摘要（1）

spams（sparse modeling software）：开源优化工具箱，稀疏估计，机器学习，信号处理，稀疏正则化。
（1）字典学习和矩阵分解工具箱
（1.1）字典学习，稀疏编码
（1.2）稀疏主成分分析
（1.3）非负矩阵分解
（1.4）非负稀疏编码
（1.5）结构化稀疏字典学习
（1.6）原型分析

（2） 稀疏分解工具箱
（2.1）正交匹配追踪（OMP）（前向选择）[35，27]
（2.2）the LARS/homotopy 算法（求解Lasso和Elastic-Net问题的变体）
（2.3）加权LARS
（2.4）OMP and LARS when data comes with a binary mask
（2.5）a coordinate-descent algorithm for L1-decomposition problems[12，10，36]
（2.6）a greedy solver for simultaneous signal approximation as defined in [34，33]
（2.7）a solver for simultaneous signal approximation with L1/L2-regularization based on block-coordinate descent
（2.8）a homotopy method for the Fused-Lasso Signal Approximation as defined in [10] with the homotopy method presented in the appendix of [21]
（2.9）a tool for projecting efficiently onto a few convex sets inducing sparsity such as the L1-ball using the method of [3，18，8];
and Elastic-Net or Fused Lasso constraint sets as proposed in the appendix of [21]
（2.10）an active-set algorithm for simplex decomposition problems[37]

（3）逼近工具箱：逼近方法（ISTA，FISTA[1]），基于duality gaps控制优化质量。
regularizations：
（3.1）Tikhonov regularization（平方L2-范数）
（3.2）L1，L2，L∞范数
（3.3）Elastic-Net
（3.4）Fused Lasso
（3.5）L2范数的树结构的和
（3.6）L∞范数的树结构的和
（3.7）L∞范数的general sum
（3.8）mixed L1/L2-norms on matrices
（3.9）mixed L1/L∞-norms on matrices
（3.10）mixed L1/L2-norms on matrices plus L1
（3.11）mixed L1/L∞-norms on matrices plus L1
（3.12）group-lasso with L2 or L∞-norms
（33.13）group-lasso + L1
（3.14）multi-task tree-structured sum of L∞-norms
（3.15）trace norm
（3.16）L0 pseudo-norm（ISTA）
（3.17）tree-structured L0（ISTA)）
（3.18）rank regularization for matrices（ISTA）
（3.19）the path-coding penalties of [24]
losses：
（3.1）square loss
（3.2）square loss with missing observations
（3.3）logistic loss, weightd logistic loss
（3.4）multi-class logistic
others：
（3.1）non-negativity constraints, intercepts and sparse matrices
（3.2）stochastic and incremental proximal gradient solvers

（4）几个线性代数的工具：共轭梯度算法，稀疏矩阵、图