多线性鲁棒主成分分析

作者：史加荣; 周水生; 郑秀云

来源：电子学报, 2014, (08): 1480-1486.

• 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 multilinear robust principal component analysis
• robust principal component analysis
• low-rank
• nuclear norm minimization
• augmented Lagrange multipliers

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.

• 出版日期2014
• 单位西安建筑科技大学; 西安电子科技大学