电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2014年
8期
1480-1486
,共7页
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
多線性魯棒主成分分析%魯棒主成分分析%低秩%覈範數最小化%增廣拉格朗日乘子法
다선성로봉주성분분석%로봉주성분분석%저질%핵범수최소화%증엄랍격랑일승자법
multilinear robust principal component analysis%robust principal component analysis%low-rank%nuclear norm minimization%augmented Lagrange multipliers
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.
魯棒主成分分析(RPCA)是恢複低秩與稀疏成分的一種非常有效的方法.本文將RPCA推廣到張量情形,提齣瞭多線性魯棒主成分分析(MRPCA)框架.首先建立瞭MRPCA模型,即最小化張量覈範數與l1範數的加權組閤.然後使用增廣拉格朗日乘子法求解上述張量覈範數優化問題.實驗結果證實:對于具有多線性結構的數據,MRPCA比RPCA更加魯棒.
로봉주성분분석(RPCA)시회복저질여희소성분적일충비상유효적방법.본문장RPCA추엄도장량정형,제출료다선성로봉주성분분석(MRPCA)광가.수선건립료MRPCA모형,즉최소화장량핵범수여l1범수적가권조합.연후사용증엄랍격랑일승자법구해상술장량핵범수우화문제.실험결과증실:대우구유다선성결구적수거,MRPCA비RPCA경가로봉.
