所属单位：

理学院

发表刊物：

计算机应用

关键字：

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-

摘要：

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。

备注：

北图核心

第一作者：

史加荣

论文类型：

期刊论文

卷号：

卷：35

期号：

期：10

页面范围：

页：2824-2827

是否译文：

否

发表时间：

2015-10-01