车茂林;魏益民 一种计算近似t-URV的有效算法及其应用。 （英语） Zbl 1498.65062号 科学杂志。计算。 92，第3号，第93号论文，27页（2022年）. 摘要：本文致力于三阶张量的张量完全正交分解的定义和计算，称为t-URV分解。我们首先给出了三阶张量的t-URV分解的定义，并导出了计算t-URV的确定性算法。然后，我们提出了一种随机算法来近似t-URV，称为压缩随机t-URV（cort-URV）。注意，t-URV和cort-URV分别是URV和压缩随机URV从矩阵情形到张量情形的扩展。我们还为该算法建立了确定性和平均情况下的误差界。最后，我们通过几个数值例子说明了该算法的有效性，并应用cort-URV对一些图像和视频数据库中的数据张量进行了压缩。 引用于7文件 MSC公司： 65层99 数值线性代数 15A69号 多线性代数，张量演算 关键词：张量传感器乘积;t-URV型;近似t-URV;压缩随机t-URV;确定性误差;概率误差 软件：张量工具箱.jl;兰德NLA;UTV公司;随机UTV;t产品;github;BSDS公司 PDF格式BibTeX公司 XML格式引用 \textit{M.Che}和\textit{Y.Wei}，J.Sci。计算。92，第3期，第93号论文，第27页（2022年；Zbl 1498.65062） 全文： 内政部 参考文献： [1] Ailon，N。；Chazelle，B.，《快速Johnson-Lindenstraus变换和近似最近邻》，SIAM J.Compute。，39, 302-322 (2009) ·Zbl 1185.68327号 ·数字对象标识代码：10.1137/060673096 [2] 巴塔利诺，C。；巴拉德·G。；Kolda，TG，实用随机CP张量分解，SIAM J.矩阵分析。申请。，39, 876-901 (2018) ·Zbl 1444.65016号 ·doi:10.137/17M1112303 [3] 比亚吉奥尼，D。；DJ Beylkin；Beylkin，G.，分离表示的随机插值分解，J.Compute。物理。，281, 116-134 (2015) ·Zbl 1352.65123号 ·doi:10.1016/j.jcp.2014.10.009 [4] 布特西迪斯，C。；Gittens，A.，通过子抽样随机哈达玛变换改进矩阵算法，SIAM J.矩阵分析。申请。，34, 1301-1340 (2013) ·Zbl 1286.65054号 ·doi:10.1137/120874540 [5] Boutsidis，C。；伍德拉夫，D.，最优CUR矩阵分解，SIAM J.计算。，46, 543-589 (2017) ·Zbl 1359.65059号 ·数字对象标识代码：10.1137/140977898 [6] 坎迪斯，EJ；李，X。；马，Y。；Wright，J.，稳健主成分分析？，J.ACM（JACM），58，1-37（2011）·Zbl 1327.62369号 ·数字对象标识代码：10.1145/1970392.1970395 [7] 坎迪斯，EJ；Recht，B.，通过凸优化实现精确矩阵补全，Found。计算。数学。，9, 717-772 (2009) ·Zbl 1219.90124号 ·doi:10.1007/s10208-009-9045-5 [8] JD卡罗尔；Chang，J.，通过“Eckart-Young”分解的一种方式概括分析多维尺度中的个体差异，《心理测量学》，35，283-319（1970）·Zbl 0202.19101号 ·doi:10.1007/BF02310791 [9] Chandrasekaran，S。；Ipsen，I.，《关于秩揭示QR分解》，SIAM J.矩阵分析。申请。，15, 592-622 (1994) ·Zbl 0796.65030号 ·doi:10.1137/S0895479891223781 [10] Che，M。；Wei，Y.，塔克近似和张量列分解的随机算法，高级计算。数学。，45, 395-428 (2019) ·Zbl 1433.68600号 ·doi:10.1007/s10444-018-9622-8 [11] Che，M。；魏毅。；Yan，H.，通过幂格式和随机投影计算张量的低多线性秩近似，SIAM J.矩阵分析。申请。，41, 605-636 (2020) ·Zbl 07206106号 ·doi:10.1137/19M1237016 [12] Che，M。；魏毅。；Yan，H.，张量低多线性秩近似的随机算法，J.Compute。申请。数学。，390, 113380 (2021) ·Zbl 1462.65045号 ·doi:10.1016/j.cam.2020.113380 [13] Che，M.，Wei，Y.，Yan，H.：计算多线性秩-（（\mu_1，\mu_2，\mu_3）近似的随机算法。J.全球优化。(2022). doi:10.1007/s10898-022-01182-8·Zbl 07762762号 [14] 陈，Y。；王，S。；周，Y.，基于张量核范数的低阶近似与全变分正则化，IEEE J.Sel。顶部。信号处理，121364-1377（2018）·doi:10.1109/JSTSP.2018.2873148 [15] Cichocki，A。；Lee，N。；Oseledets，IV；Phan，AH；赵（Q.Zhao）。；用于降维和大规模优化的张量网络：第1部分：低阶张量分解，机器基础和趋势。《学习》，9，249-429（2016）·Zbl 1364.68320号 ·doi:10.1561/2200000059 [16] Cichocki，A。；Lee，N。；Oseledets，IV；Phan，AH；赵（Q.Zhao）。；用于降维和大规模优化的Mandic，DP，Tensor网络：第2部分应用和未来展望，机器基础和趋势。学习，9431-673（2017）·Zbl 1376.68123号 ·doi:10.1561/2200000067 [17] 克拉克森，吉隆坡；伍德拉夫，DP，输入稀疏时间的低秩近似和回归，J.ACM（JACM），63，1-45（2017）·Zbl 1426.65057号 ·数字对象标识代码：10.1145/3019134 [18] 德拉特豪沃，L。；De Moor，B。；Vandewalle，J.，《多重线性奇异值分解》，SIAM J.矩阵分析。申请。，21, 1253-1278 (2000) ·Zbl 0962.15005号 ·doi:10.1137/S0895479896305696 [19] 德里尼亚斯，P。；马奥尼，M。；Muthukrishnan，S.，相对误差CUR矩阵分解，SIAM J.矩阵分析。申请。，30, 844-881 (2008) ·Zbl 1183.68738号 ·数字对象标识码：10.1137/07070471X [20] 德里尼亚斯，P。；Mahoney，MW，RandNLA：随机数值线性代数，Commun。ACM，59，80-90（2016）·数字对象标识代码：10.1145/2842602 [21] 埃克特，C。；Young，G.，《一个矩阵与另一个低阶矩阵的近似》，《心理测量学》，1211-218（1936）·doi:10.1007/BF02288367 [22] 埃里克森，NB；马诺哈尔，K。；布鲁顿，SL；Kutz，JN，随机CP张量分解，机器学习，科学。技术。，1, 2, 025012 (2020) [23] RD费罗；汉森，PC；Hansen，PSK，UTV工具：揭示等级UTV分解的Matlab模板，数值算法，20，165-194（1999）·Zbl 0936.65054号 ·doi:10.1023/A:1019112103049 [24] 乔治亚德斯，AS；Belhumeur，PN；Kriegman，D.，《从少到多：可变照明和姿势下人脸识别的照明锥模型》，IEEE Trans。模式分析。机器。整数。，23, 643-660 (2001) ·doi:10.1109/34.927464 [25] Golub，G.，Van Loan，C.：矩阵计算，约翰霍普金斯大学出版社，马里兰州巴尔的摩，第四版（2013）·Zbl 1268.65037号 [26] Gopal，A.，Martinsson，P.：计算等级揭示全因子分解的powerURV算法，arXiv预印本arXiv:1812.06007v1（2018） [27] Grasedyck，L。；Kressner，D。；Tobler，C.，低秩张量近似技术的文献调查，GAMM Mitteilungen，36，1，53-78（2013）·Zbl 1279.65045号 ·doi:10.1002/gamm.201310004 [28] Grasedyck，L.，张量的层次奇异值分解，SIAM J.矩阵分析。申请。，31, 2029-2054 (2010) ·Zbl 1210.65090号 ·doi:10.1137/090764189 [29] Gu，M.，子空间迭代随机化和奇异值问题，SIAM J.Sci。计算。，37，A1139-A1173（2015）·Zbl 1328.65088号 ·doi:10.1137/130938700 [30] Halko，N。；马丁森，P-G；Tropp，J.，《寻找随机结构：构建近似矩阵分解的概率算法》，SIAM Rev.，53，217-288（2011）·Zbl 1269.65043号 ·数字对象标识代码：10.1137/090771806 [31] 郝，N。；基尔默，ME；堪萨斯州布拉曼；胡佛，RC，使用张量传感器分解进行面部识别，SIAM J.Imag。科学。，6, 437-463 (2013) ·Zbl 1305.15061号 ·doi:10.1137/10842570 [32] Huber，B。；施耐德，R。；Wolf，S。；Boche，H。；Caire，G。；卡尔德班克，R。；马尔兹，M。；Kutyniok，G。；Mathar，R.，《随机张量序列奇异值分解》，《压缩传感及其应用》，261-290（2017），《查姆：应用与数值谐波分析》。查姆Birkhäuser·doi:10.1007/978-3-319-69802-1_9 [33] 蒋，T-X；Ng、MK；Zhao，X-L；黄，T-Z，三阶张量完备张量核范数的Framelet表示，IEEE Trans。图像处理。，29, 7233-7244 (2020) ·Zbl 07586396号 ·doi:10.1109/TIP.2020.3000349 [34] 卡洛拉齐，M。；De Lamare，R.，低秩矩阵近似的压缩随机UTV分解，IEEE J.Selected Top。信号处理，12155-1169（2018）·doi:10.1109/JSTSP.2018.2867448 [35] Kaloorazi，M。；De Lamare，R.，低秩矩阵近似的子空间或比特随机分解，IEEE Trans。信号处理。，66, 4409-4424 (2018) ·Zbl 1414.68143号 ·doi:10.1109/TSP.2018.2853137 [36] 卡卢拉齐，MF；Chen，J.，高效计算矩阵低阶近似的基于投影的QLP算法，IEEE Trans。信号处理。，69, 2218-2232 (2021) ·Zbl 07591483号 ·doi:10.1109/TSP.2021.3066258 [37] 科恩菲尔德，E。；基尔默，M。；Aeron，S.，带可逆线性变换的张量传感器产品，线性代数应用。，485, 545-570 (2015) ·Zbl 1323.15016号 ·doi:10.1016/j.laa.2015.07.021 [38] 基尔默，M。；Martin，C.，三阶张量的因式分解策略，线性代数应用。，435, 641-658 (2011) ·Zbl 1228.15009号 ·doi:10.1016/j.laa.2010.09.020 [39] 基尔默，ME；堪萨斯州布拉曼；郝，N。；胡佛，RC，作为矩阵算子的三阶张量：成像应用的理论和计算框架，SIAM J.矩阵分析。申请。，34, 148-172 (2013) ·Zbl 1269.65044号 ·数字对象标识代码：10.1137/10837711 [40] Kilmer，M.E.，Horesh，L.，Avron，H.，Newman，E.：多路数据最佳表示和压缩的张量传感器代数，美国国家科学院学报118（28），e2015851118（2021） [41] 科尔达，T。；Bader，B.，张量分解和应用，SIAM Rev.，51，455-500（2009）·Zbl 1173.65029号 ·doi:10.1137/07070111X [42] Kong，H。；卢，C。；Lin，Z.，张量q-rank：张量秩的新数据相关定义，马赫数。学习。，110, 1867-1900 (2021) ·Zbl 07465658号 ·doi:10.1007/s10994-021-05987-8 [43] Kressner，D。；Perisa，L.，塔克格式张量阿达玛乘积的再压缩，SIAM J.Sci。计算。，39，A1879-A1902（2017）·Zbl 1373.65031号 ·doi:10.1137/16M1093896 [44] Lu，C.：《张量传感器产品工具箱》，卡内基梅隆大学，2018年6月。https://github.com/canyilu/t产品 [45] Lu，C.，Feng，J.，Chen，Y.，Liu，W.，Lin，Z.，Yan，S.：张量稳健主成分分析：通过凸优化精确恢复损坏的低阶张量。In:IEEE计算机视觉和模式识别会议论文集5249-5257（2016） [46] 卢，C。；冯，J。；陈，Y。；刘伟。；林，Z。；Yan，S.，采用新张量核范数的张量稳健主成分分析，IEEE Trans。模式分析马赫数。整数。，42, 925-938 (2020) ·doi:10.1109/TPAMI.2019.2891760 [47] Mahoney，MW，矩阵和数据的随机算法，机器基础和趋势。学习，3123-224（2011）·兹比尔1232.68173 [48] 马利克，OA；Becker，S.，使用CountSketch的快速随机矩阵和张量插值分解，高级计算。数学。，46, 76 (2020) ·Zbl 1469.65089号 ·doi:10.1007/s10444-020-09816-9 [49] 马丁，CD；沙弗，R。；Larue，B.，阶张量因式分解及其在成像中的应用，SIAM J.Sci。计算。，35，A474-A490（2013）·Zbl 1273.15032号 ·doi:10.1137/110841229 [50] Martin，D.，Fowlkes，C.，Tal，D.，Malik，J.：人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用。In：程序。第八届国际计算机视觉大会，2416-423（2001） [51] Martinsson，P。；金塔那尔蒂，G。；Heavner，N.，randUTV：一种用于计算排名显示UTV因子分解的分块随机算法，ACM-Trans。数学。软件，45，1-26（2019）·兹比尔1471.65031 ·doi:10.1145/3242670 [52] Meng，X.，Mahoney，M.W.：输入稀疏时间中的低密度子空间嵌入及其在稳健线性回归中的应用。附：第四十五届ACM计算理论研讨会论文集91-100（2013）·Zbl 1293.68150号 [53] 苗，Y。；魏毅。；Qi，L.，基于T积的张量奇异值分解的广义张量函数，线性代数应用。，590, 258-303 (2020) ·Zbl 1437.15034号 ·doi:10.1016/j.laa.2019.12.035 [54] 苗，Y。；魏毅。；Qi，L.，基于T积的T-Jordan标准形和T-Drazin逆，通信，应用。数学。计算。，3, 201-220 (2021) ·Zbl 1476.15045号 [55] Minster，R。；塞巴巴，阿拉斯加州；Kilmer，M.，塔克格式低阶张量分解的随机算法，SIAM J.Math。数据科学。，2, 189-215 (2020) ·Zbl 1484.65091号 ·doi:10.137/19M1261043 [56] 密斯科，C。；Musco，C.，用于更强更快近似奇异值分解的随机块krylov方法，Adv.Neural。信息处理。系统。，28, 1396-1404 (2015) [57] Oseledets，IV，张量应变分解，SIAM J.Sci。计算。，33, 2295-2317 (2011) ·Zbl 1232.15018号 ·doi:10.1137/090752286 [58] 塞梅西，O。；郝，N。；基尔默，M。；Miller，E.，基于张量的公式和多能量计算机断层扫描的核规范正则化，IEEE Trans。图像处理。，23, 1678-1693 (2014) ·Zbl 1374.94335号 ·doi:10.1109/TIP.2014.2305840 [59] Song，G。；Ng、MK；Zhang，X.，使用变换张量奇异值分解的稳健张量补全，Numer。线性代数应用。，27 (2020) ·Zbl 07217207号 ·文件编号：10.1002/nla.2299 [60] Stewart，G.，《空间跟踪的更新算法》，IEEE Trans。信号处理。，40, 1535-1541 (1992) ·doi:10.1109/78.139256 [61] Stewart，G.，更新揭示等级的ULV分解，SIAM J.矩阵分析。申请。，14, 494-499 (1993) ·Zbl 0771.65021号 ·doi:10.1137/0614034 [62] Stewart，G.，奇异值分解的QLP近似，SIAM J.Sci。计算。，20, 1336-1348 (1999) ·Zbl 0939.65062号 ·doi:10.1137/S1064827597319519 [63] 孙，Y。；郭毅。；罗，C。；Tropp，J。；Udell，M.，流数据张量的Low-rank-Tucker分解，SIAM J.Math。数据科学，21123-1150（2020）·Zbl 1512.65077号 ·doi:10.1137/19M1257718 [64] DA塔扎纳；Michailidis，G.，基于t积的张量运算和分解的快速随机算法及其在成像数据中的应用，SIAM J.Imag。科学。，11, 2629-2664 (2018) ·兹比尔07115010 ·doi:10.1137/17M1159932 [65] 塔克，LR，《关于三模式因子分析的一些数学注释》，《心理测量学》，31279-311（1966）·doi:10.1007/BF02289464 [66] 韦夫利特，N。；De Lathauwer，L.，《大规模张量正则多元分解的随机块抽样方法》，IEEE J.Sel。顶部。信号处理。，10, 284-295 (2016) ·doi:10.1109/JSTSP.2015.2503260 [67] 王，S。；Zhang，Z.，通过自适应采样改进CUR矩阵分解和Nyström近似，J.Mach。学习。《决议》，第14号，第2729-2769页（2013年）·Zbl 1318.65023号 [68] 伍德拉夫，DP，素描作为数字线性代数的工具，发现。趋势理论。计算。科学。，10, 1-157 (2014) ·Zbl 1316.65046号 ·doi:10.1561/0400000060 [69] 伍尔夫，F。；自由，E。；Rokhlin，V。；Tygert，M.，矩阵逼近的快速随机算法，应用。计算。哈蒙。分析。，25, 335-366 (2008) ·Zbl 1155.65035号 ·doi:10.1016/j.aca.2007.12.002 [70] 张杰。；塞巴巴，阿拉斯加州；基尔默，ME；Aeron，S.，基于t积的随机张量奇异值分解，Numer。线性代数应用。，25, 1-24 (2018) ·Zbl 1513.65104号 ·doi:10.1002/nla.2179 [71] 张，Z。；Aeron，S.，使用t-SVD的精确张量补全，IEEE Trans。信号处理。，65, 1511-1526 (2017) ·Zbl 1414.94741号 ·doi:10.1109/TSP.2016.2639466 [72] Zhang，Z.，Ely，G.，Aeron，S.，Hao，N.，Kilmer，M.：基于张量-SVD的多线性数据补全和去噪新方法。In:IEEE计算机视觉和模式识别会议记录3842-3849（2014） [73] Zhou，G.，Cichocki，A.，Xie，S.：低多线性秩大张量的分解，arXiv预印本arXiv:1412.1885v1（2014） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。