核范数随机矩阵求解新方法及其RPCA应用

• 作者: 杨敏 王臻
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 稳健主成分分析 交替方向法 标准随机k-SVD 快速随机k-SVD
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 71-76
• 页数: 6页
• 分类号: TP391
• 字数: 4326字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.12.016

摘要

RPCA(稳健主成分分析)从原始观测数据中恢复低秩成分和稀疏成分.RPCA常用交替方向法迭代求解,算法的效率取决于核范数优化求解,即SVD分解.而RPCA在计算机视觉应用中,图像和视频等巨大的数据量为大规模数据SVD分解带来了很大困难.采用随机矩阵算法对SVD分解进行改进,分别为计数缩略算法、标准随机k-SVD算法和快速随机k-SVD算法.主要是对原有大规模数据矩阵进行降维随机采样,使用随机投影算法得到原数据矩阵的一个近似,对这个近似矩阵进行QR分解,得到对应的酉矩阵.对酉矩阵进行相关操作,得到与原矩阵SVD相似的结果.算法的时间效率和存储空间得到极大改善.基于单张图像和视频前景检测等仿真实验,表明所提方法大大提高了RPCA迭代优化求解的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨敏	南京邮电大学自动化学院	19	80	5.0	8.0
2	王臻	南京邮电大学自动化学院	1	1	1.0	1.0