本文選題：魯棒主成分分析 + 非凸近似��； 參考：《科學(xué)技術(shù)與工程》2017年31期

【摘要】：在機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和圖像處理等研究領(lǐng)域,魯棒主成分分析(RPCA)主要用于恢復(fù)一個(gè)低秩的數(shù)據(jù)矩陣�？紤]到核范數(shù)作為矩陣秩函數(shù)的凸近似在處理實(shí)際數(shù)據(jù)集時(shí)存在的問(wèn)題,以及矩陣秩函數(shù)的非凸近似所展現(xiàn)出的優(yōu)勢(shì),提出了一種新的非凸近似函數(shù)�；谠摲峭菇坪瘮�(shù),提出一個(gè)改進(jìn)的RPCA模型,并應(yīng)用增廣拉格朗日乘子法對(duì)其進(jìn)行求解。最后利用視頻背景分離的實(shí)際數(shù)據(jù),通過(guò)數(shù)值實(shí)驗(yàn)驗(yàn)證了新模型的有效性。
[Abstract]:In the fields of machine learning data mining and image processing robust principal component analysis (RPCA) is mainly used to restore a low rank data matrix.Considering the problem of convex approximation of kernel norm as matrix rank function and the advantage of nonconvex approximation of matrix rank function, a new nonconvex approximate function is proposed.Based on the nonconvex approximation function, an improved RPCA model is proposed and solved by the augmented Lagrangian multiplier method.Finally, the validity of the new model is verified by numerical experiments using the actual data of video background separation.
【作者單位】： 山東科技大學(xué)數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院;山東省科學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(11626143) 山東省自然科學(xué)基金(ZR2015FM013) 黃島區(qū)科技計(jì)劃項(xiàng)目(2014-1-28)資助
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范p，

本文編號(hào)：1734344