多线性鲁棒主成分分析.pdfVIP

第 8期 电 子 学 报 Vo1．42 No．8 2014年8月 ACTA ⅡECrR0NICA SINICA Aug． 2014 多线性鲁棒主成分分析 史加荣 ，周水生 ，郑秀云 (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) 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 11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 中图分类号： TP391 文献标识码： A 文章编号： 0372—2112(2014)08—1480—07 电子学报URL：http：／／www．ejouma1．org．an DOI：10．3969／j．issn．0372—2112．2014．08．004 MultilinearRobustPrincipalComponentAnalysis SHIJia．rong，ZHOUShui．she ，ZHENGXiu．yun (1．SchoolofScience，Xi’anUniversityofArchitectureandTechnology，Xi’alz，Shnanxi710055，China； 2．SchoolofMathematicsandStatistics，XidianUniversity，瓜’∽，Shoanxi710071，hCina) Abstract： Robustprincipalcomponentanalysis(RPCA)isaveryeffectivemethodtorecoverbothhtelow-rankandsparse components．ThispaperextendsRPCA ot htecaseoftensorandproposesaframeworkofmultilinearrobustprincipalcomponent analysis(MRPCA)．First，itestablisheshtemodelofMRPCAwhichminimizesaweightedcombinationofhtetensornuclearnOITI1 and 11norlT1．Then，itemployshteaugmentde Lagrnagemultipliersalgorithm ot solvehteabovenuclera norm optimizationproblem ． ExperimentalresultsdemonstratethatMRPCA ismorerobustthanRPCA forhtedaat wiht multilinearstructure． Keywords： multilinearrobustprincipalcomponentanalysis；robustprincipalcomponentanalysis；low-rank；nuclera norm minimization；aumg entde Lagrnagemultipliers 值法l4J、加速近端梯度法_5J、增广拉格朗 日乘子法_6J和 1 引言 交替方向法_7J等 ．文献[8，9]从理论上分析了RPC