- ICML异常值鲁棒主成分分析的近线性时间和流式算法
本研究主要研究经典问题 PCA 中的异常值问题,提出了近线性时间的近似最优解鲁棒 PCA 算法以及单遍流式鲁棒 PCA 算法,并进行了相关的理论分析。
- 强韧自编码器用于集体污染去除
本论文提出一个紧凑的自编码器公式,实现了在没有干净图像训练的情况下,去除图像数据中的稀疏损坏和异常,并展示了学习的流形结构在未见数据样本上的有效泛化能力。
- X 光冠状动脉造影超分辨率血管提取的鲁棒 PCA 展开网络
为了解决 X-ray 冠状动脉造影(XCA)图像中的血管稀疏建模效率低下、噪音和动态背景伪影以及高计算成本等问题,提出了一种新的基于稀疏特征选择的鲁棒 PCA 展开网络,用于超分辨率 XCA 血管成像,并嵌入到一种基于池化层和卷积长短时记忆 - MM无强凸性情况下 Frank-Wolfe 算法在秩一矩阵恢复中的线性收敛
研究了低秩矩阵恢复问题的凸松弛问题,给出了使问题具有唯一秩为 1 的最优解的充分条件,并使用 Frank-Wolfe 方法和单个秩为 1 SVD 计算每个迭代来找到一个近似解。
- 深度展开的鲁棒主成分分析及其在超声杂波抑制中的应用
本文提出了一种使用机器学习中的鲁棒主成分分析和深度展开技术的方法,用于去除超声图像中的杂波,并优化超声图像对于血管的可视化效果。
- 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。
- 静态和动态鲁棒性 PCA 与矩阵补全:综述
本文介绍了过去十年来有关 RPCA 和其动态对应物(鲁棒子空间跟踪)的大量文献,讨论了它们的理论保证和性能表现,并提供了性能和速度的实证比较;同时还简要讨论了低秩矩阵完成问题,它是 RPCA 的一个简化特例。
- 用于嘈杂自由移动相机视频的全景鲁棒主成分分析进行前景 - 背景分离
提出一种新的稳健 PCA 方法,用于自由移动相机视频的前景背景分离,可处理可能的稠密和稀疏污染。该方法可以注册受损视频的帧,然后将由相机运动引起的透视差异编码为全局模型中的缺失数据。我们将已注册的视频建模为低秩成分,平滑成分和稀疏成分的总和 - 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。
- 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 - 非凸低秩问题中不存在虚假局部极小点:统一的几何分析
发展了一种新框架,旨在捕捉一般非凸低秩矩阵问题的共同局面,包括矩阵感知,矩阵完成和鲁棒 PCA,在优化风景线的现有分析的基础上进行了连接和简化,自然地导致了不对称矩阵完成和鲁棒 PCA 的新结果
- 通过梯度下降的快速鲁棒 PCA 算法
本文介绍了一种非凸优化方法,用于解决全观测和部分观测情况下的鲁棒主成分分析问题,该方法与现有最佳算法相比,显著降低了计算复杂度,并且在部分观测情况下,我们的算法在有可证明的情况下也是已知的运行时间最短的算法。
- NIPS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。
- 论鲁棒主成分分析和 L1 范数低秩矩阵逼近的复杂度
本篇论文证明了基于分量的 l1 - 范数的低秩矩阵逼近问题是 NP-hard 的, 并与其它著名问题进行了有趣的联系。
- 图上稳健主成分分析
本文介绍了一种名为 “在图上强鲁棒性主成分分析” 的新模型,它将谱图正则化纳入了 Robust PCA 框架中,从而具有主成分丰富性、改进的低秩恢复、改进的聚类性质和凸优化问题等优点,从实验结果来看,模型在聚类和低秩恢复任务方面表现优异,优 - NIPS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。
- 鲁棒图像对准的迭代 Grassmann 优化
该论文介绍了一种名为 t-GRASTA 的算法,可以同时对一组图像进行低秩子空间、稀疏部分以及旋转或平移等变换的分解。与现有算法相比,t-GRASTA 具有更快的速度,更少的内存需求,并能够有效处理人脸图像和实时监控图像的对准问题,因此适用 - 鲁棒 PCA 作为具有异常值稀疏正则化的双线性分解
研究了一种基于稀疏性惩罚的复合压缩感知框架,将领先的主成分分析(PCA)与异常值检测相结合,提出了一种鲁棒的主成分分析方法,能够有效地检测包括人格评估调查、社交网络中的社区以及视频监控数据中的入侵者在内的异常响应。
- 加速核范数最小化算法的块 Lanczos 方法和温启动技术
本文提出了一种 warm start 的 BLWS 技术,通过使用块 Lanczos 方法来计算偏 SVD,以解决计算代价高的问题,并在 Robust PCA 和 Matrix Completion 问题中得到了加速。
- NIPS用于恢复受损低秩矩阵的增广拉格朗日乘子方法
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 Robu