| 多线性鲁棒主成分分析 |
| |
| 引用本文： | 史加荣,周水生,郑秀云. 多线性鲁棒主成分分析[J]. 电子学报, 2014, 42(8): 1480-1486. DOI: 10.3969/j.issn.0372-2112.2014.08.004 |
| |
| 作者姓名： | 史加荣 周水生 郑秀云 |
| |
| 作者单位： | 1. 西安建筑科技大学理学院, 陕西西安 710055;2. 西安电子科技大学数学与统计学院, 陕西西安 710071 |
| |
| 基金项目： | 国家自然科学基金，陕西省教育厅专项科研计划，陕西省自然科学基础研究计划 |
| |
| 摘 要： | 鲁棒主成分分析（RPCA）是恢复低秩与稀疏成分的一种非常有效的方法.本文将RPCA推广到张量情形，提出了多线性鲁棒主成分分析（MRPCA）框架.首先建立了MRPCA模型，即最小化张量核范数与l1范数的加权组合.然后使用增广拉格朗日乘子法求解上述张量核范数优化问题.实验结果证实：对于具有多线性结构的数据，MRPCA比RPCA更加鲁棒.
|
| 关 键 词： | 多线性鲁棒主成分分析 鲁棒主成分分析 低秩 核范数最小化 增广拉格朗日乘子法 |
| 收稿时间： | 2013-06-21 |
Multilinear Robust Principal Component Analysis |
| |
| SHI Jia-rong,ZHOU Shui-sheng,ZHENG Xiu-yun. Multilinear Robust Principal Component Analysis[J]. Acta Electronica Sinica, 2014, 42(8): 1480-1486. DOI: 10.3969/j.issn.0372-2112.2014.08.004 |
| |
| Authors: | SHI Jia-rong ZHOU Shui-sheng ZHENG Xiu-yun |
| |
| Affiliation: | 1. School of Science, Xi'an University of Architecture and Technology, Xi'an, Shaanxi 710055, China;2. School of Mathematics and Statistics, Xidian University, Xi'an, Shaanxi 710071, China |
| |
| Abstract: | Robust principal component analysis(RPCA)is a very effective method to recover both the low-rank and sparse components.This paper extends RPCA to the case of tensor and proposes a framework of multilinear robust principal component analysis(MRPCA).First,it establishes the model of MRPCA which minimizes a weighted combination of the tensor nuclear norm and l1 norm.Then,it employs the augmented Lagrange multipliers algorithm to solve the above nuclear norm optimization problem.Experimental results demonstrate that MRPCA is more robust than RPCA for the data with multilinear structure. |
| |
| Keywords: | multilinear robust principal component analysis robust principal component analysis low-rank nuclear norm minimization augmented Lagrange multipliers |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《电子学报》浏览原始摘要信息 |
|
点击此处可从《电子学报》下载免费的PDF全文 |
