线性最小二乘问题稀疏解是众多领域（比如回归分析，数据拟合等）广泛关注的问题，稀疏解的寻找本质上是通过引入惩罚因子将对因变量y(比如房价或股市的波动)变化影响不大或接近零的因变量xi(比如房子大小，朝向等或利息、利率等)平滑掉。李教授为我院师生介绍了自己在线性最小二乘问题稀疏解方面的研究内容。李教授针对线性方程组稀疏解的求解问题，提出两种改进的迭代重加权最小范数解算法以及一种光滑函数算法，并通过例子证实了这些算法的有效性。会后还与在场老师们和学生们进行了热烈的讨论和交流。
李教授的报告深入浅出，既涉及到“1范数优化解在一定条件下等价于0范数优化解”这一获得“菲尔茨”奖的深刻定理，又涉及到微积分、线性代数等这些通俗易懂的基本知识。通过这次会议，丰富了老师和学生们对于相关研究内容的了解，为老师和学生们提供了新的解决问题的实际可行的方法。有关李教授的报告的资料，感兴趣的同学可以向学院科研秘书索取。