数据压缩和重构问题一般是NP-难问题。其典型的数学模型是非凸优化模型。如何有效求解这样的模型是众多相关领域所面临的共同挑战。本项目立足于最优阈值思想和技术，沿着新的研究思路，对新一代数据压缩和重构算法进行全方位的理论，设计，提高和推广的深入研究。

目前国际上已有的算法在设计方面大多是启发式的，算法使用的环境和假设要求苛刻， 但实际的信号，图像等数据往往不满足这些要求， 或者只能近似满足，导致算法对实际问题的有效性得不到保证。因此如何突破目前算法设计的局限性和计算有效性瓶颈，设计和发展新一代高性能数据压缩与重构算法是许多数据科学领域需要探索和解决的关键问题。

以阈值型算法作为突破口设计新一代高性能数据压缩和重构算法。拟通过解决如下几个核心的关键子问题回答上述科学问题：建立最优阈值算法的温和收敛性理论，为新一代算法提供非常有用的思想和分析方法；基于最优阈值的思想，设计新一代有效的压缩和重构算法；研究存在的数据压缩算法的加速技术；以及发展具备低复杂性和高性能双重性的新型阈值算法。

四、主要贡献/价值

对数据处理领域中的几个前缘性问题展开深刻的研究，探索如何突破目前算法的局限性与理论有效性瓶颈，发展数据压缩和重构的新一代高性能稀疏优化算法，克服传统算法的缺陷，为科学和其他实际数据处理问题提供强劲有效的数学方法。

五、下一步计划

研究如何降低目前主流算法的计算复杂性，设计具备强劲数据恢复能力的迭代算法，并分析算法效能和发展加速技术。

六、合作伙伴

由深圳市大数据研究院负责，团队成员包括来至英国剑桥大学，匈牙利诺基亚贝尔实验室，英国伯明翰大学和香港中文大学（深圳）的研究人员。

七、团队成员

赵云彬、杨柳莎。