基于张量链分解的低秩张量补全研究OA
Low-Rank Tensor Completion Based on Tensor Train Decomposition
为了进一步提高低秩张量补全性能,针对基于传统张量分解方法的张量补全问题研究中的计算复杂问题,根据张量链分解能够将高阶张量分解成一组三阶核心张量进行有效降维的特点,本文基于张量链分解的核心张量模型,采用核范数最小化方法求解,对缺失张量的低秩补全问题进行了研究,并且分别在实际图像以及合成数据上进行了算法对比实验,实验结果证明了本文方法的有效性,与目前流行的方法相比,运行速度更快、收敛性更好、补全结果也较优.
豆蔻;吴云韬;黄龙庭;陈里
武汉工程大学计算机科学与工程学院,湖北 武汉 430205武汉工程大学计算机科学与工程学院,湖北 武汉 430205武汉理工大学信息学院,湖北 武汉 430070武汉工程大学邮电与信息工程学院,湖北 武汉 430074
信息技术与安全科学
张量补全张量链分解核范数张量分解
《武汉工程大学学报》 2021 (4)
基于张量代数及子空间方法的多维正弦信号参数估计及其快速算法研究
442-447,6
国家自然科学基金(61771353)
评论