Jan, 2020

Robust PCA 中凸和非凸优化的桥梁：噪声，异常值和缺失数据

PDF
TL;DR本文探讨了在存在随机噪声、大量离群点和缺失数据的情况下，通过凸规划方法提高低秩矩阵估计的理论保证。结果表明，当未知矩阵是很好条件的、不一致的和具有恒定秩时，通过凸规划实现了接近最优的统计精度。即使有近乎恒定的观测值被任意大小的离群值所污染，都可以获得令人满意的结果。
发现论文，激发创造
  • 伪贝叶斯鲁棒 PCA：算法和分析

    探讨使用罕见值鲁棒性来降低传统主成分分析的敏感性，研究低秩分解与稀疏分量，提出了一种新型的伪贝叶斯算法来解决现有非凸方法的设计缺陷，达到了顶尖表现及可扩大的操作范围。

    Dec, 2015

  • 鲁棒主成分分析及其变体的高效优化算法

    该论文回顾了现有的优化方法来解决鲁棒 PCA 及其变体。论文讨论了这些方法的优缺点和收敛性，并提出了一些面向多处理器环境下解决大规模问题的新算法框架的可能研究方向。

    Jun, 2018

  • 一种用于鲁棒主成分分析的非凸投影方法

    本文提出了一种非凸可行性重构的 RPCA 问题，并采用交替投影法进行求解。通过广泛的数值实验，我们展示了该方法在多个应用场景中的良好性能。

    May, 2018

  • 稳定主成分追踪

    本文介绍了通过凸优化方法，将低秩矩阵从高维数据矩阵中恢复出来，该方法在数据被小的噪声和大的稀疏误差所干扰时，可达到一定稳定性和鲁棒性。

    Jan, 2010

  • 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

  • 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

  • 噪声矩阵填充：通过非凸优化理解对凸松弛的统计保证

    本文研究了针对大规模低秩矩阵的部分和带噪声数据中的矩阵补全问题，采用凸松弛和 Burer-Monteiro 方法，成功地将凸松弛的实践与非凸方法的统计保证相结合，取得了近乎最优的估计误差。

    Feb, 2019

  • 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

  • 非凸统计优化：多项式时间下的极小极大稀疏 PCA

    提出一个名为 'tighten after relax' 的两阶段计算框架，其中第一阶段使用建议的凸松弛方法进行近似求解，第二阶段则通过直接求解基础非凸问题的新算法'sparse orthogonal iteration pursuit' 来迭代优化初始估计值，并证明该框架的稳定性和最优性在特定模型类别下成立。

    Aug, 2014

  • 带有噪声和缺失数据的高维回归：非凸性可证明保证

    研究高维稀疏线性回归问题在存在噪声、缺失或相关的数据时的情况下，提出了基于投影梯度下降的估计器，并且证明其在多项式时间内收敛到所有全局最小值的近邻，并给出了在统计和计算两个方面的理论保证。

    Sep, 2011