Apr, 2017

高阶张量的多尺度分析

PDF
TL;DR介绍了一种基于混合线性建模和子空间聚类技术的自适应、多尺度张量分解方法，旨在降低大型和多模态数据的维度和表示复杂度。该方法在多个真实张量信号的维数约简和分类问题中表现良好。
multisensor technologybig datasetstensor decomposition methodsmulti-scale higher-order singular value decompositiondimensionality reduction
发现论文，激发创造
  • 大数据处理的新方法：张量网络和张量分解

    本研究主要介绍了张量网络、张量分解、多元分析，低秩逼近以及大数据分析等多个方面，并讨论了其在异常检测、特征提取、分类、聚类分析、数据融合和集成、模式识别、预测建模、回归、时间序列分析和多元分析等领域中的潜在应用。

    Mar, 2014

  • 用于信号处理应用的张量分解：从双向到多向分量分析

    本文从信号处理角度提供了关于高阶张量分解的全面介绍，包括基本的 CP 和 Tucker 模型，通过多种数据处理方法提供更加灵活和自然的潜在因素；研究表明张量分解可用作现代信号处理、数据分析和机器学习应用的最有效和最有前途的工具。

    Mar, 2014

  • 多分辨率低秩张量分解

    通过多分辨率低秩张量分解以层次化方式描述张量，这种方法能够利用不同层次分辨率上的结构，创造性地解决了高阶张量分解这一基础问题。

    May, 2024

  • 随机张量列奇异值分解

    该研究针对层次张量表示，研究了随机矩阵分解方法在高阶张量中的推广，并提出分析了一种用于计算张量拓扑结构的随机算法。

    Oct, 2017

  • 通过迭代硬阈值方法实现低秩张量恢复

    本文研究了如何从少量线性测量中恢复高阶的低秩张量，介绍了几种张量分解的迭代硬阈值算法，并探讨了其收敛性，界限和性能，考虑了高斯随机测量、张量补全和傅里叶测量等不同情形。

    Feb, 2016

  • 基于流形优化的异构张量分解聚类

    本文针对多维数组数据具有丰富结构，而向量化方法难以完整表述结构信息的问题，提出了一种基于新型异构 Tucker 分解模型的子空间聚类算法，并探究了二阶黎曼几何的多项式流形及核心域中的优化问题。数值实验表明，该算法与基于张量因数分解的最新聚类算法竞争效果明显。

    Apr, 2015

  • 通过并行 ADMM 进行广义高阶张量分解

    针对高阶张量分解中的模型选择、大规模数据和计算效率等难点，本文提出了一种基于迹范数的正则化并可并行计算的分解方法，能够有效分解低秩结构的张量，并具有较强的鲁棒性。

    Jul, 2014

  • 学习潜变量模型的张量分解

    本文研究了一种高效的参数估计方法，可用于广泛的潜变量模型，特别是那些具有张量结构的模型，包括高斯混合模型、隐马尔可夫模型和潜在狄利克雷分配模型，通过对表示模型可观测矩阵的低阶矩（通常为二阶和三阶）的张量进行分解获得。方法为鲁棒性较强、可有效计算，并可应用于多个流行的潜变量模型。

    Oct, 2012

  • 低多秩高阶贝叶斯鲁棒张量分解

    提出一种名为低多秩高阶贝叶斯鲁棒张量分解 (LMH-BRTF) 的新型高阶 TRPCA 方法，在贝叶斯框架内对观测到的受损张量进行分解，结合了明确建模稀疏和噪声成分的优势，实现了对张量的多秩自动确定，并采用高效的变分推断算法进行参数估计，通过对合成和现实世界数据集的实证研究，在定性和定量结果方面证明了该方法的有效性。

    Nov, 2023

  • Tucker 格式低秩张量分解的随机算法

    本文研究基于随机算法的张量分解方法在 Tucker 表达式下的应用，提出并分析了 HOSVD 和 STHOSVD 的随机算法，并针对大规模数据集提出了适用于不同需求的改进方案。

    May, 2019