subspace recovery | BriefGPT

关键词subspace recovery

搜索结果 - 8

KDD文本异常检测的鲁棒自编码器集成方法
通过引入鲁棒自编码器集成方法，优化原始数据编码嵌入的局部鲁棒子空间恢复，利用 k 近邻的几何属性来优化子空间恢复，检测文本数据中的异常模式。通过实验设置以及详尽的实验结果评估表明，该鲁棒自编码器集成方法在检测独立异常和情境异常时具有高效性、
PDF2 months ago
子空间种植向量的最优谱恢复
本文研究高斯正交和伯努利 - 高斯随机矩阵下种植向量的估计和检测问题，主要通过谱方法解决其中的计算问题。
PDF3 years ago
一些低秩子空间恢复模型之间的关系
本文发现一些代表性的子空间恢复模型（如 Robust Principal Component Analysis（R-PCA），Robust Low Rank Representation（R-LRR）和 Robust Latent Low
PDF10 years ago
快速、稳健且非凸子空间恢复
提出了一种名为 Fast Median Subspace (FMS) 的快速非凸算法来进行强健的子空间恢复，具有较低的计算复杂性和全局收敛特性，能够有效地处理高维空间中的异常值问题。
PDF10 years ago
鲁棒子空间恢复的算法和难度
从高维空间中的数据中识别子空间问题是一个困难的计算问题，本文提出了一种在存在异常值情况下有效识别子空间的算法，并证明该算法在异常值率小于等于 $d/n$ 时是最优的。
PDF12 years ago
带有异常值的子空间聚类的几何分析
本研究考虑了一个不带标签数据集的聚类问题，它们被认为靠近低维平面的联合。研究人员发展了一种新的基于几何分析的算法，名为稀疏子空间聚类（SSC），可以广泛应用于无监督学习和计算机视觉等领域，论文展示了它在多个方面的有效性，并开创了有关稀疏恢复
PDF13 years ago
通过几何 l_p 最小化实现多子空间鲁棒恢复
本文研究了从混合分布中采样的数据，通过最小化样本数据与 K 个线性子空间的 l_p 平均距离，同时恢复 K 个子空间并解释了 l_p 能量最小化方法在多子空间数据建模中的失败和成功
PDF13 years ago
低秩表示法恢复子空间结构
该研究提出了一种名为低秩表示（LRR）的新方法，它可以在给定字典中，寻求能够线性组合数据样本的最低秩表示，从而准确地解决亚空间恢复问题，包括亚空间分割和错误修正，并且具有较高的容错性和效率。
PDF14 years ago