不完全鲁棒主成分分析的正则化方法及其在背景建模中的应用
- Release time:2024-08-09
- Hits:
-
-
-
Affiliation of Author(s):
理学院
-
-
Journal:
计算机应用
-
-
-
Key Words:
中文关键字：鲁棒主成分分析; 低秩矩阵恢复; 背景建模; 核范数最小化; 增广拉格朗日乘子法，英文关键字：Ｒobust Principal Component Analysis ( ＲPCA) ; low-
-
Abstract:
针对现有的鲁棒主成分分析(ＲPCA)方法忽略序列数据的连续性及不完整性的情况，提出了一种低秩矩
阵恢复模型———正则化不完全鲁棒主成分分析(ＲIＲPCA)。首先基于序列数据连续性的度量函数建立了 ＲIＲPCA 模
型，即最小化矩阵核范数、L 1 范数和正则项的加权组合;然后使用增广拉格朗日乘子法来求解所提出的凸优化模型，
此算法具有良好的可扩展性和较低的计算复杂度;最后，将 ＲIＲPCA 应用到视频背景建模中。实验结果表明，ＲIＲPCA
比矩阵补全和不完全 ＲPCA 等方法在恢复丢失元素和分离前景上具有优越性。
-
Note:
北图核心
-
-
First Author:
shijiarong
-
Indexed by:
Journal paper
-
-
-
-
-
-
Volume:
卷：35
-
Issue:
期：10
-
Page Number:
页：2824-2827
-
-
-
Translation or Not:
no
-
-
Date of Publication:
2015-10-01
-
-
