NIPSSep, 2010

用于恢复受损低秩矩阵的增广拉格朗日乘子方法

PDF
TL;DR本文提出了一些可扩展且快速的算法来解决鲁棒 PCA 问题，即恢复具有未知一部分被任意损坏的低秩矩阵，通过优化核范数和 l1 范数的组合实现凸优化进行解决该问题，并利用增广拉格朗日乘数法来解决此凸问题。提出的新算法比先前的最先进的 Robust PCA 算法快五倍以上，达到更高精度，且存储 / 内存需求更少，并证明了不精确增广拉格朗日乘数法全局收敛必要和充分条件。
robust pcaconvex optimizationaugmented lagrange multipliersmatrix completionconvergence rate
发现论文，激发创造
  • 流形优化的鲁棒 PCA

    本文提出了两种算法 (用于两个版本的收缩)，这些算法基于流形优化思想将稳健主成分分析 (Robust PCA) 问题看作低秩矩阵上的非凸优化问题，与基于 Burer-Monterio 低秩矩阵分解的先前工作相比，本文所提算法在理论上降低了对底层低秩矩阵条件数的依赖，并且仿真和实际数据证实了本方法的竞争性能。

    Aug, 2017

  • 近乎最优的鲁棒矩阵完成

    本文提出了一种简单的投影梯度下降方法来估计低秩矩阵，用于解决鲁棒矩阵完成问题，并且包括清除一些受损条目的步骤，并在低秩矩阵完成问题中获得了最优观测次数和最优破坏次数的解决方法。同时，本文的结果还意味着，对于低秩矩阵完成问题的时间复杂度界限，取得了重要的改进。最后，通过将结果应用于鲁棒 PCA 问题，得到了高效的解决方案

    Jun, 2016

  • 基于主成分追踪的低秩矩阵密集误差纠正

    本文扩展了 Principal Component Pursuit (PCP) 方法，通过引入改进的权重参数，可以在 “几乎全部” 条目未知的情况下恢复受破坏的低秩矩阵，并通过随机生成的数据进行了模拟验证。

    Jan, 2010

  • 鲁棒主成分分析？

    本文介绍了一种名为主成分追踪的凸型优化方法，能在有噪声或缺损情况下准确分离一个 $ m * n $ 数据矩阵的低秩和稀疏成分，该方法有望应用于视频监控和人脸识别等领域。

    Dec, 2009

  • 非凸健壮主成分分析

    该论文提出了一种新的鲁棒 PCA 方法，通过在低秩矩阵集和稀疏矩阵集上交替投影适当残差来精确恢复低秩矩阵，具有较快的速度和精确度。

    Oct, 2014

  • 矩阵 ALPS：加速低秩和稀疏矩阵重建

    提出了 Matrix ALPS 方法，用于从线性测量和不完整数据恢复矩阵的稀疏加低秩分解。该方法采用非凸集上的一阶梯度投影法，并利用众所周知的基于内存的加速技术。我们在理论上表征了 Matrix ALPS 的收敛性质，并通过数值实验证明我们的算法在计算效率上优于现有的凸优化和非凸优化算法，而且不会牺牲稳定性。

    Mar, 2012

  • 鲁棒低秩张量恢复：模型与算法

    本文在凸优化框架中研究了鲁棒性低秩张量恢复问题，并提出了具有全局收敛保证的定制优化算法，包括交替方向增广 Lagrange 算法和加速近端梯度方法。作者还提出了一种非凸模型，并通过实际应用展示了鲁棒性低秩张量恢复的实用有效性。

    Nov, 2013

  • 鲁棒主成分分析的加速交替投影算法

    本文提出了一种新的算法 —— 加速交替投影算法，用于鲁棒 PCA，显著提高了现有交替投影算法的计算效率，该算法已经建立了精确的恢复保证，并证明了该算法的线性收敛性。实证表明，该算法优于其他最先进的鲁棒 PCA 算法。

    Nov, 2017

  • 具有部分子空间知识的鲁棒 PCA

    研究了关于在假定低秩矩阵 L 的列空间有部分知识的情况下优化 PCP 方法。提出了一种称为 modified-PCP 的改进方法，减轻了 incoherence 假设，并在 stylized real 应用中与 PCP 和其他现有方法进行了比较。阐述了在许多涉及时间序列数据的应用程序中，包括在线或递归鲁棒性 PCA 问题自然发生的问题，还给出了该情况的一个推论。

    Mar, 2014

  • 精确矩阵补全和鲁棒主成分分析的强凸编程

    本研究提出使用强凸优化方法来确保矩阵完整性和鲁棒原则分量分析的低秩矩阵恢复，在实际算法中选择适当的参数帮助我们实现更精确的恢复。

    Dec, 2011