多线性鲁棒主成分分析

史加荣; 周水生; 郑秀云

doi:10.3969/j.issn.0372-2112.2014.08.004

您当前的位置：

首页 >

文章列表页 >

多线性鲁棒主成分分析

学术论文 | 更新时间：2025-07-16

- 多线性鲁棒主成分分析
- Multilinear Robust Principal Component Analysis
- 电子学报 2014年42卷第8期页码：1480-1486
- 作者机构：
  
  1. 西安建筑科技大学理学院,陕西,西安,710055
  2. 西安电子科技大学数学与统计学院,陕西,西安,710071
  3. 西安建筑科技大学理学院,陕西,西安,710055
  4. 西安电子科技大学数学与统计学院,陕西,西安,710071
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61179040）;陕西省教育厅专项科研计划 (No.2013JK0587，No.2013JK0588）;陕西省自然科学基础研究计划 (No.2014JQ8323）
- DOI：10.3969/j.issn.0372-2112.2014.08.004
  中图分类号： TP391
- 纸质出版：2014
- 稿件说明：
移动端阅览
史加荣, 周水生, 郑秀云. 多线性鲁棒主成分分析[J]. 电子学报, 2014,42(8):1480-1486.

SHI Jia-rong, ZHOU Shui-sheng, ZHENG Xiu-yun. Multilinear Robust Principal Component Analysis[J]. Acta Electronica Sinica, 2014, 42(8): 1480-1486.
史加荣, 周水生, 郑秀云. 多线性鲁棒主成分分析[J]. 电子学报, 2014,42(8):1480-1486. DOI： 10.3969/j.issn.0372-2112.2014.08.004.

SHI Jia-rong, ZHOU Shui-sheng, ZHENG Xiu-yun. Multilinear Robust Principal Component Analysis[J]. Acta Electronica Sinica, 2014, 42(8): 1480-1486. DOI： 10.3969/j.issn.0372-2112.2014.08.004.

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

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.

Abstract

Robust principal component analysis(RPCA)is a very effective method to recover both the low-rank and sparse components.This paper extends RPCA to the case of tensor and proposes a framework of multilinear robust principal component analysis(MRPCA).First

it establishes the model of MRPCA which minimizes a weighted combination of the tensor nuclear norm and

norm.Then

it employs the augmented Lagrange multipliers algorithm to solve the above nuclear norm optimization problem.Experimental results demonstrate that MRPCA is more robust than RPCA for the data with multilinear structure.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

秩约束的快速鲁棒主成分分析算法及应用

复杂动态背景下基于群稀疏的运动目标检测方法