计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
10期
2824-2827,2832
,共5页
鲁棒主成分分析%低秩矩阵恢复%背景建模%核范数最小化%增广拉格朗日乘子法
魯棒主成分分析%低秩矩陣恢複%揹景建模%覈範數最小化%增廣拉格朗日乘子法
로봉주성분분석%저질구진회복%배경건모%핵범수최소화%증엄랍격랑일승자법
Robust Principal Component Analysis (RPCA)%low-rank matrix recovery%background modeling%nuclear norm minimization%augmented Lagrange multiplier
针对现有的鲁棒主成分分析(RPCA)方法忽略序列数据的连续性及不完整性的情况,提出了一种低秩矩阵恢复模型——正则化不完全鲁棒主成分分析(RIRPCA).首先基于序列数据连续性的度量函数建立了RIRPCA模型,即最小化矩阵核范数、L1范数和正则项的加权组合;然后使用增广拉格朗日乘子法来求解所提出的凸优化模型,此算法具有良好的可扩展性和较低的计算复杂度;最后,将RIRPCA应用到视频背景建模中.实验结果表明,RIRPCA比矩阵补全和不完全RPCA等方法在恢复丢失元素和分离前景上具有优越性.
針對現有的魯棒主成分分析(RPCA)方法忽略序列數據的連續性及不完整性的情況,提齣瞭一種低秩矩陣恢複模型——正則化不完全魯棒主成分分析(RIRPCA).首先基于序列數據連續性的度量函數建立瞭RIRPCA模型,即最小化矩陣覈範數、L1範數和正則項的加權組閤;然後使用增廣拉格朗日乘子法來求解所提齣的凸優化模型,此算法具有良好的可擴展性和較低的計算複雜度;最後,將RIRPCA應用到視頻揹景建模中.實驗結果錶明,RIRPCA比矩陣補全和不完全RPCA等方法在恢複丟失元素和分離前景上具有優越性.
침대현유적로봉주성분분석(RPCA)방법홀략서렬수거적련속성급불완정성적정황,제출료일충저질구진회복모형——정칙화불완전로봉주성분분석(RIRPCA).수선기우서렬수거련속성적도량함수건립료RIRPCA모형,즉최소화구진핵범수、L1범수화정칙항적가권조합;연후사용증엄랍격랑일승자법래구해소제출적철우화모형,차산법구유량호적가확전성화교저적계산복잡도;최후,장RIRPCA응용도시빈배경건모중.실험결과표명,RIRPCA비구진보전화불완전RPCA등방법재회복주실원소화분리전경상구유우월성.
