摘要
摘要
张量鲁棒主成分分析(Tensorrobustprincipalcomponentanalysis,TRPCA)旨在将受
损的张量数据分离成低秩和稀疏分量,其中低秩部分视为恢复所得数据,而稀疏部分视
为噪声分量。本文围绕基于Schatten-p范数的非凸型张量鲁棒主成分分析(TRPCA)进行
改进研究,可提升高维数据恢复的精度与鲁棒性。传统TRPCA方法在张量奇异值分解
上采取等比
摘要
摘要
张量鲁棒主成分分析(Tensorrobustprincipalcomponentanalysis,TRPCA)旨在将受
损的张量数据分离成低秩和稀疏分量,其中低秩部分视为恢复所得数据,而稀疏部分视
为噪声分量。本文围绕基于Schatten-p范数的非凸型张量鲁棒主成分分析(TRPCA)进行
改进研究,可提升高维数据恢复的精度与鲁棒性。传统TRPCA方法在张量奇异值分解
上采取等比
文档评论(0)