关键词principal component pursuit
搜索结果 - 4
- 实时鲁棒主成分追踪
研究了低秩矩阵被稀疏离群值破坏的问题,并提出了一种称为实时稳健主成分追踪的解决方案,该方案使用了时间相关性模型来处理相关的稀疏离群值。
- 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。
- 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。
- 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。