多线性鲁棒主成分分析

被引：7

作者：

史加荣 ^{[1
]}

周水生 ^{[2
]}

郑秀云 ^{[1
]}

机构：

[1] 西安建筑科技大学理学院

[2] 西安电子科技大学数学与统计学院

来源：

电子学报 | 2014年 / 42卷 / 08期

关键词：

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;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

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.

引用

页码：1480 / 1486

页数：7

共 5 条

[1] 基于低秩子空间恢复的联合稀疏表示人脸识别算法 [J].