一种新的基于非凸秩近似的鲁棒主成分分析模型

发布时间：2018-04-11 04:07

本文选题：鲁棒主成分分析 + 非凸近似　；参考：《科学技术与工程》2017年31期

【摘要】：在机器学习、数据挖掘和图像处理等研究领域,鲁棒主成分分析(RPCA)主要用于恢复一个低秩的数据矩阵。考虑到核范数作为矩阵秩函数的凸近似在处理实际数据集时存在的问题,以及矩阵秩函数的非凸近似所展现出的优势,提出了一种新的非凸近似函数。基于该非凸近似函数,提出一个改进的RPCA模型,并应用增广拉格朗日乘子法对其进行求解。最后利用视频背景分离的实际数据,通过数值实验验证了新模型的有效性。
[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.
【作者单位】：山东科技大学数学与系统科学学院;山东省科学院;
【基金】：国家自然科学基金(11626143) 山东省自然科学基金(ZR2015FM013) 黄岛区科技计划项目(2014-1-28)资助
【分类号】：TP391.41

【相似文献】