朱，E。;Xu，M。;Pi、D。 一种新的鲁棒非凸秩逼近主成分分析算法。 （英语） Zbl 1459.94027号 数学。问题。工程师。 2020年，文章ID 9356935，17 p.（2020）. 小结：噪声在低秩矩阵恢复中表现出低秩或无稀疏性，核范数不是低秩阵的精确秩逼近。为了解决上述问题，本文提出了一种新的低秩非凸逼近函数。随后，基于非凸秩近似函数，提出了一种新的鲁棒主成分分析模型。用交替方向法求解该模型，并从理论上验证了其收敛性。随后，在Wallflower和SBMnet数据集上进行了背景分离实验。此外，通过数值实验验证了该模型的有效性。 MSC公司： 94A08型 信息与通信理论中的图像处理（压缩、重建等） 90C25型 凸面编程 PDF格式BibTeX公司 XML格式引用 \textit{E.Zhu}等人，数学。问题。Eng.2020，文章ID 9356935，17 p.（2020；Zbl 1459.94027） 全文： 内政部 参考文献： [1] Xia，D.，低秩矩阵回归奇异子空间的置信域，IEEE信息理论汇刊，65，11，7437-7459（2019）·Zbl 1433.94034号 ·doi:10.1109/tit.2019.2924900 [2] 袁，H。；李，J。；Lai，L.L.，用于图像特征提取和特征选择的低秩矩阵回归，信息科学，522，214-226（2020）·doi:10.1016/j.ins.2020.02.070 [3] 王，P。；林博士。；林，C。；杨，X。；Xiong，S.，通过3块Admm算法从噪声观测中恢复低秩和稀疏矩阵，应用分析与计算杂志，10，3，1024-1037（2020）·Zbl 1460.94016号 ·doi:10.191948/20190182 [4] Hoteling，H.，《将复杂的统计变量分析为主要成分》，《教育心理学杂志》，24，6，417-441（1933） [5] Jolliffe，I.，主成分分析（1986），德国柏林：施普林格，德国柏林·Zbl 1011.62064号 [6] Efimova，D.，《社会网络分析与挖掘百科全书》（2014），德国柏林：施普林格，德国柏林 [7] Chandrasekaran，V。；Sanghavi，S。；Parrilo，P.，稀疏和低阶矩阵分解，第47届Allerton通信、控制和计算年会论文集，IEEE·doi:10.1109/ALLERTON.2009.5394889 [8] Wright，J。；Ganesh，A。；Rao，S.，稳健主成分分析：通过凸优化精确恢复损坏的低秩矩阵，神经信息处理系统进展论文集（NIPS） [9] Donoho，D.L.，通过软阈值去噪，IEEE信息理论汇刊，41，3，613-627（1995）·Zbl 0820.62002号 ·doi:10.1109/18.382009年 [10] Donoho，D.L.，对于大多数大型欠定线性方程组，最小1-范数解也是最稀疏的解，《纯粹与应用数学通讯》，59，6，797-829（2006）·Zbl 1113.15004号 ·doi:10.1002/cpa.20132年 [11] 孙，Q。；项，S。；Ye，J.，通过上限范数进行稳健主成分分析，第19届ACM SIGKDD知识发现数据挖掘国际会议（KDD）论文集 [12] 卢，C。；Tang，J。；Yan，S。；Lin，Z.，通过迭代重加权核范数实现非凸非光滑低秩最小化，IEEE图像处理汇刊，25，2，829-839（2016）·Zbl 1408.94866号 ·doi:10.1109/tip.2015.2511584 [13] 高，C。；Wang，N。；Yu，Q.，一种可行的非凸松弛特征选择方法，第25届人工智能会议（AAAI）论文集 [14] 范，J。；Li，R.，通过非一致惩罚似然进行变量选择及其预言性质，美国统计协会杂志，96，456，1348-1360（2001）·Zbl 1073.62547号 ·doi:10.1198/016214501753382273 [15] 康，Z。；彭，C。；Cheng，J.，Lodged秩最小化及其在子空间聚类中的应用，计算智能与神经科学，682015（2015） [16] 康，Z。；彭，C。；Cheng，Q.，通过非凸秩近似实现鲁棒PCA，IEEE国际数据挖掘会议（ICDM），IEEE [17] 谢毅。；曲，Y。；Tao，D.，通过迭代正则化加权schatten p范数最小化恢复高光谱图像，IEEE地球科学与遥感汇刊，54，8，4642-4659（2016）·doi:10.1109/tgrs.2016.2547879 [18] Yu，H。；Miao，C.，正则化的一般阈值表示，IEEE图像处理学报，24，12，5455-5468（2015）·Zbl 1408.94867号 [19] 徐，J。；伊萨布，V。；穆克吉，L。；Rehg，J.M。；Singh，V.，GOSUS:具有结构稀疏性的格拉斯曼在线子空间更新，2013年IEEE计算机视觉国际会议论文集·doi:10.1109/ICCV.2013.419 [20] 高，Z。；Cheong，L.F。；Wang，Y.X.，用于显著运动检测的块解析RPCA，IEEE模式分析和机器智能汇刊，36，10，1975-1987（2014）·doi:10.1109/tpami.2014.2314663 [21] 刘，X。；赵，G。；姚，J。；Jung，S.K.，基于低秩和结构化稀疏分解的背景减法，IEEE图像处理汇刊，24，8，2502-2514（2015）·兹比尔1408.94411 ·doi:10.1109/tip.2015.2419084 [22] 贾维德，S。；Cheong，L.-F。；Wang，Y.-X.，复杂场景背景初始化的时空低阶建模，IEEE视频技术电路和系统汇刊，28，6，1315-1329（2018）·doi:10.1109/tcsvt.2016.2632302 [23] Zhang，T.，稀疏正则化的多级凸松弛分析，机器学习研究杂志，11，1081-1107（2010）·Zbl 1242.68262号 [24] 刘，G。；林，Z。；Yan，S.，通过低秩表示实现子空间结构的稳健恢复，IEEE模式分析和机器智能学报，35，1，171-184（2013）·doi:10.1109/tpami.2012.88 [25] Bertsekas，J.-F.，《约束优化和拉格朗日乘子方法》（1982），马萨诸塞州剑桥市，美国：学术出版社，马萨诸塞诸塞州坎布里奇市，美国·Zbl 0572.90067号 [26] 蔡，J。；坎迪斯，E.J。；沈，Z。；Wang，Y.，矩阵补全的奇异值阈值算法，SIAM优化杂志，20,41956-1982（2010）·Zbl 1201.90155号 ·doi:10.1137/080738970 [27] 杨，J。；尹，W。；Zhang，Y。；Lin，Z.，一种保边变分多通道图像恢复的快速算法，SIAM成像科学杂志，2，2，569-592（2009）·Zbl 1181.68304号 ·doi:10.1137/080730421 [28] Geman，D。；杨，C.，带半二次正则化的非线性图像恢复，IEEE图像处理汇刊，4，7，932-946（1995）·数字对象标识代码：10.1109/83.392335 [29] Zhang，C.-H.，用三次总变分模型进行高光谱图像去噪，摄影测量、遥感和空间信息科学ISPRS年鉴，7，95-98（2012）·doi:10.5194/isprsannals-i-7-95-2012 [30] Zhang，C.H.，最小最大凹惩罚下的几乎无偏变量选择，《统计年鉴》，38，2，894-942（2010）·Zbl 1183.62120号 ·doi:10.1214/09-aos729 [31] Trzasko，J。；Manduca，A.，通过同伦0-最小化实现高度欠采样磁共振图像重建，IEEE医学成像学报，28，1，106-121（2009）·doi:10.1109/tmi.2008.927346 [32] Zhang，T.，稀疏正则化的多级凸松弛分析，机器学习研究杂志，11，1081-1107（2010）·Zbl 1242.68262号 [33] 奥斯曼，H。；Qian，S.E.，使用混合空间光谱导数域小波收缩降低高光谱图像的噪声，IEEE地球科学与遥感汇刊，44，2，397-408（2006）·doi:10.1109/tgrs.2005.860982 [34] Friedman，J.H.，《快速稀疏回归和分类》，《国际预测杂志》，28，3，722-738（2012）·doi:10.1016/j.ijforecast.2012.05.001 [35] 吕春云。；Tang，J.H。；Yan，S.C.，通过迭代重加权核浮力实现非凸非光滑低秩最小化，IEEE图像处理汇刊，2，25，829-839（2016）·Zbl 1408.94866号 [36] 陶，P.D。；Thi，H.A.，《dc编程的凸分析方法：理论、算法和应用》，越南数学学报，22，1，289-355（1997）·Zbl 0895.90152号 [37] Tao，P.D.，dc（凸函数差分）优化中的对偶性。次梯度法，数学优化趋势，277-293（1998），瑞士巴塞尔：Birkhäuser，瑞士巴塞尔·Zbl 0634.49009号 [38] 周，T。；Tao，D.，Godec：噪声情况下的随机低秩和稀疏矩阵分解，第28届机器学习国际会议论文集 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。