多线性鲁棒主成分分析OA北大核心CSCDCSTPCD
Multilinear Robust Principal Component Analysis
鲁棒主成分分析(RPCA)是恢复低秩与稀疏成分的一种非常有效的方法.本文将RPCA推广到张量情形,提出了多线性鲁棒主成分分析(MRPCA)框架.首先建立了MRPCA模型,即最小化张量核范数与l1范数的加权组合.然后使用增广拉格朗日乘子法求解上述张量核范数优化问题.实验结果证实:对于具有多线性结构的数据,MRPCA比RPCA更加鲁棒.
史加荣;周水生;郑秀云
西安建筑科技大学理学院,陕西西安710055西安电子科技大学数学与统计学院,陕西西安710071西安建筑科技大学理学院,陕西西安710055
信息技术与安全科学
多线性鲁棒主成分分析鲁棒主成分分析低秩核范数最小化增广拉格朗日乘子法
multilinear robust principal component analysisrobust principal component analysislow-ranknuclear norm minimizationaugmented Lagrange multipliers
《电子学报》 2014 (8)
1480-1486,7
国家自然科学基金(No.61179040)陕西省教育厅专项科研计划(No.2013JK0587,No.2013JK0588)陕西省自然科学基础研究计划(No.2014JQ8323)
评论