摘要
A.Baccini、P.Besse和A.Falguerolles。 1996年，L1-形式PCA和启发式方法。 序号和符号数据分析1，1（1996），359–368。 谷歌学者 
交叉引用 
P.N.Belhumeur、J.P.Hespanha和D.J.Kriegman。 2002.特征脸与渔夫脸：使用特定类别的线性投影进行识别。 IEEE模式分析和机器智能汇刊19，7（2002），711-720。 谷歌学者 数字图书馆 
蔡振峰、坎迪斯、艾曼纽和沈振中。 2008。矩阵补全的奇异值阈值算法。 SIAM优化杂志20，4（2008），1956-1982。 谷歌学者 数字图书馆 E.J.Candes、X.Li、Y.Ma和J.Wright。 2011.稳健的主成分分析？ ACM杂志58，3（2011），1-37。 谷歌学者 S.Celik、B.A.Logsdon和S.I.Lee。 2014.高效降维，用于高维网络估计。 在ICML中。 1953–1961. 谷歌学者 C.丁、D.周、X.何和H.张。 2006.R1-PCA：稳健子空间分解的旋转不变L1-形式主成分分析。 在ICML中。 281–288. 谷歌学者 J.高。 鲁棒L1主成分分析及其贝叶斯变分推断。 神经计算20，2（2008），555-572。 谷歌学者 数字图书馆 J.Guo、Y.Sun、J.Gao、Y.Hu和B.Yin。 2020年。具有双向重建约束的稳健自适应线性判别分析。 ACM数据发现知识汇刊14，6（2020），1-20。 谷歌学者 X.He、C.Deng、S.Yan和H.Zhang。 2005.邻里保护嵌入。 在ICCV中。 1208–1213. 谷歌学者 X.他和P.Niyogi。 2003年，地方保护预测。 以NIPS为单位。 186–197. 谷歌学者 X.Hu、Y.Sun、J.Gao、Y.Hu和B.Yin。 2018年，基于F-范数的局部保持投影。 在AAAI。 1330年至1337年。 谷歌学者 A.Iosifidis、A.Tefas、N.Nikolaidis和I.Pitas。 2012.基于模糊距离和线性判别分析的多视角人体运动识别。 计算机视觉和图像理解116，3（2012），347–360。 谷歌学者 数字图书馆 I.T.Jolliffe。 1986.主成分分析。 斯普林格。 41–64. 谷歌学者 F.Ju、Y.Sun、J.Gao、Y.Hu和B.Yin。 2015.通过基于L1-形态的2D概率PCA进行图像离群点检测和特征提取。 IEEE图像处理汇刊24，12（2015），4834–4846。 谷歌学者 数字图书馆 Q.Ke和T.Kanade。 2005.在存在离群值和缺失数据的情况下，通过替代凸规划进行鲁棒L1范数分解。 在CVPR中。 739–746. 谷歌学者 H.Kong、L.Wang、E.K.Teoh、J.G.Wang和R.Venkateswaru。 2005.二维fisher判别分析框架：应用于少量训练样本的人脸识别。 在CVPR中。 1083–1088. 谷歌学者 库切拉和弗拉基米尔。 1974.矩阵方程AX+XB=C.SIAM应用数学杂志26，1（1974），15-25。 谷歌学者 数字图书馆 Z.Lee和T.Q.Nguyen。 2015.大分辨率立体图像的多分辨率视差处理和融合。 IEEE多媒体汇刊17，6（2015），792–803。 谷歌学者 数字图书馆 Z.Lin、M.Chen和Y.Ma.2020年。 精确恢复受损低秩矩阵的增广拉格朗日乘子方法。 ArXiv预打印ArXiv:1009.5055 9（2020）。 谷歌学者 H.Liu、L.Liu，T.D.Leand I.Lee、S.Sun和J.Li.2017年。 用于横视降维的非参数稀疏矩阵分解。 IEEE多媒体汇刊19，8（2017），1848-1859。 谷歌学者 数字图书馆 Y.Lu、Z.Lai、Y.Xu、X.Li、D.Zhang和C.Yuan。 2016年，低库保护预测。 IEEE控制论汇刊46，8（2016），1900-1913。 谷歌学者 交叉引用 Y.Lu、C.Yuan、Z.Lai、X.Li、W.K.Wong和D.Zhang。 2017.基于核标准的2DLPP图像分类。 IEEE多媒体汇刊19，11（2017），2391–2403。 谷歌学者 交叉引用 X.Luan、B.Fang、L.Liu、W.Yang和J.Qian。 2014.提取鲁棒PCA的稀疏误差，用于存在不同光照和遮挡的人脸识别。 模式识别47，2（2014），495–508。 谷歌学者 数字图书馆 D.Meng、Q.Zhao和Z.Xu。 2012.通过L1-形式最大化提高稀疏PCA的鲁棒性。 模式识别45，1（2012），487–497。 谷歌学者 数字图书馆 N.Naikal、A.Y.Yang和S.S.Sastriy。 2011.通过稀疏PCA进行目标识别的信息特征选择。 在ICCV中。 818–825. 谷歌学者 J.J.Snchez-Hernndez、J.P.Garca-Ortiz、V.Gonzlez-Ruiz和D.Mller。 2015.高分辨率JPEG2000图像序列的交互式流媒体。 IEEE多媒体汇刊17，10（2015），1829–1838。 谷歌学者 数字图书馆 J.B.Tenenbaum、V.D.Silva和J.C.Langford。 2000.非线性降维的全球几何框架。 《科学》2905500（2000），2319-2323。 谷歌学者 交叉引用 M.Turk和A.Pentland。 1991.识别特征脸。 认知神经科学杂志3，1（1991），71-86。 谷歌学者 W.K.Wong、Z.Lai、J.Wen、X.Fang和Y.Lu.2017年。 用于鲁棒图像特征提取的低秩嵌入。 IEEE图像处理汇刊26，6（2017），2905–2917。 谷歌学者 数字图书馆 谢丽萍、尹敏君、尹晓霞、刘彦和尹国荣。 2018年，用于降维的低秩稀疏保留预测。 IEEE图像处理汇刊27，11（2018），5261–5274。 谷歌学者 交叉引用 X.Xie、X.Yan、T.K.James和H.Thomas。 2008年，矩阵变量因子分析及其应用。 IEEE神经网络汇刊19，10（2008），1821-1826。 谷歌学者 数字图书馆 H.Xu、C.Caramanis和S.Mannor。 2013.Outlier-ro-bast PCA：高维案例。 IEEE信息理论汇刊59，1（2013），546-572。 谷歌学者 数字图书馆 杨先生。 2002.内核特征脸与内核fisherfaces:使用内核方法的人脸识别。 在FG 215–220中。 谷歌学者 H.Zhang、J.Yang、F.Shang、C.Gong和Z.Zhang。 2018.LRR用于通过易处理的schatten范数最小化和因式分解进行子空间分割。 IEEE控制论汇刊49，5（2018），1722-1734。 谷歌学者 交叉引用 Y.Zheng、G.Liu、S.Sugimoto、S.Yan和M.Okutomi。 2012.稳健L1-norm下的实际低秩矩阵近似。 在CVPR中。 1410–1417. 谷歌学者 F.Zhong和J.Zhang。 2013.基于L1-形式最大化的线性判别分析。 IEEE图像处理学报22，8（2013），3018-3027。 谷歌学者
