×
姜浩;丹尼尔·罗宾逊。;雷内·维达尔;你，Chong

低秩子空间聚类的非凸公式：算法和收敛性分析。 （英语） Zbl 1404.90126号

计算。优化。应用。 70，第2期，395-418（2018）.
为了解决含有密集噪声和稀疏粗差数据的子空间聚类问题，提出了一种基于非凸建模的低秩子空间聚类方法。导出了谱函数的精细光滑性，并用于建立求解非凸问题的交替方向乘子法的收敛性。证明了迭代是一致有界的，所有极限点都证明了一阶最优性条件。数值实验证明了该方法的有效性。他们处理来自面部和数字聚类以及运动分割的真实数据。
审核人：加布里埃拉·克里斯特斯库（阿拉德）

引用于1文件

MSC公司：

90立方 非线性规划

关键词：

ADMM公司;非凸;子空间聚类

软件：

打开CV
PDF格式BibTeX公司 XML格式引用
\textit{H.Jiang}等人，计算。优化。申请。70，第2号，395--418（2018；Zbl 1404.90126）
全文： 内政部

参考文献：

[1] Andersson，F.，Carlsson，M.，Perfekt，K.M.：奇异值泛函演算的Operator-Lipschitz估计。摘自：《美国数学学会学报》（2015）·Zbl 1337.47020号
[2] Attouch，H；螺栓，J；Svaiter，BF，半代数和驯服问题下降方法的收敛性：近似算法，前向-后向分裂，正则高斯-赛德尔方法，数学。程序。，137，91-129，（2013）·Zbl 1260.49048号 ·doi:10.1007/s10107-011-0484-9
[3] 巴斯里，R；雅各布斯，DW，朗伯反射率和线性子空间，IEEE Trans。模式分析。雨衣。英特尔。，25218-2233（2003年）·doi:10.1109/TPAMI.2003.1177153
[4] 贝克，A；Teboulle，M，线性反问题的快速迭代收缩阈值算法，SIAM J.成像科学。，2183-202年，（2009年）·Zbl 1175.94009号 ·doi:10.1137/080716542
[5] 博伊德，S；帕里赫，N；楚，E；Peleato，B型；Eckstein，J，《通过交替方向乘数法进行分布式优化和统计学习》。基础和趋势（{\textregistered}），马赫。学习。，3, 1-122, (2011) ·Zbl 1229.90122号
[6] 布雷迪，K；Lorenz，DA；Reiterer，S，通过迭代阈值最小化非光滑非凸泛函，J.Optim。理论应用。，165, 78-112, (2015) ·Zbl 1321.49048号 ·doi:10.1007/s10957-014-0614-7
[7] 布鲁纳，J；Mallat，S，不变量散射卷积网络，IEEE Trans。模式分析。机器。整数。，35, 1872-1886, (2013) ·doi:10.1109/TPAMI.2012.230
[8] 坎迪斯，EJ；李，X；马，Y；Wright，J，稳健主成分分析？，J.ACM，58、11（2011）·Zbl 1327.62369号 ·数字对象标识代码：10.1145/1970392.1970395
[9] Chartrand，R.，Wohlberg，B.：针对稀疏群的群稀疏性的非凸ADMM算法。摘自：2013年IEEE声学、语音和信号处理国际会议，第6009-6013页。IEEE（2013）
[10] 陈，C；他，B；Ye，Y；Yuan，X，多块凸极小化问题admm的直接推广不一定收敛，数学。程序。，155, 57-79, (2016) ·Zbl 1332.90193号 ·doi:10.1007/s10107-014-0826-5
[11] Conn，A.R.，Gould，N.I.M.，Toint，P.L.：信托区域方法。工业和应用数学学会（SIAM），宾夕法尼亚州费城（2000）·Zbl 0958.65071号
[12] Eckstein，J.，Yao，W.：理解乘数交替方向方法的收敛性：理论和计算观点。罗格斯大学运营研究技术报告中心，新泽西州皮斯卡塔韦市巴托洛缪路640号（2015年）·Zbl 1330.90074号
[13] Elhamifar，E.，Vidal，R.：通过稀疏表示聚类不相交子空间。摘自：IEEE声学语音和信号处理国际会议（ICASSP），第1926-1929页。IEEE（2010）
[14] Elhamifar，E.，Vidal，R.：稀疏子空间聚类。在：IEEE计算机视觉和模式识别会议，第2790-2797页。IEEE（2009）·Zbl 1360.62353号
[15] 埃尔哈米法尔，E；Vidal，R，《稀疏子空间聚类：算法、理论和应用》，IEEE Trans。模式分析。机器。整数。，35, 2765-2781, (2013) ·doi:10.1010/TPAMI.2013.57
[16] Fortin，M；格洛文西，R；Fortin，M（编辑）；Glowinksi，R（ed.），《使用增广拉格朗日函数的分解-协调方法》，97-144，（1983），阿姆斯特丹·doi:10.1016/S0168-2024（08）70028-6
[17] 加贝，D；Fortin，M（编辑）；Glowinksi，R（ed.），乘子方法在变分不等式中的应用，299-331，（1983），阿姆斯特丹·doi:10.1016/S0168-2024（08）70034-1
[18] 加贝，D；Mercier，B，通过有限元近似解非线性变分问题的对偶算法，计算。数学。申请。，2, 17-40, (1976) ·Zbl 0352.65034号 ·doi:10.1016/0898-1221（76）90003-1
[19] Glowinski，R.，Marroco，A.：《超近似，部分定义为“秩序”，以及解决方案，部分性质是非利奈狄利克雷特问题的唯一类别。》（Sur l’approximation，paréments finish d'ordre un，et la Résolution，par alisation qualityéd'une class de probl mes de dirichlet nonéaires）。ESAIM：数学建模与数值分析-数学建模与分析数字9（R2），41-76（1975）。http://eudml.org/doc/193269 ·Zbl 0368.65053号
[20] Ho，J.，Yang，M.H.，Lim，J，Lee，K.C.，Kriegman，D.：不同照明条件下物体的簇状外观。摘自：IEEE计算机视觉和模式识别会议，第1卷，第11-18页。IEEE（2003）
[21] 洪，W；赖特，J；黄，K；Ma，Y，有损图像表示的多尺度混合线性模型，IEEE Trans。图像处理。，15, 3655-3671, (2006) ·doi:10.1109/TIP.2006.882016
[22] 洪，M；罗，ZQ；Razaviyayn，M，一类非凸问题交替方向乘子法的收敛性分析，SIAM J.Optim。，26, 337-364, (2016) ·Zbl 1356.49061号 ·doi:10.137/140990309
[23] Jiang，H.：基于增广拉格朗日算法的非凸优化及其在子空间聚类中的应用。约翰霍普金斯大学博士论文（2016）。https://jscholarship.library.jhu.edu/handle/1774.2/838
[24] LeCun，Y；Bottou，左；本吉奥，Y；Haffner，P，梯度学习在文档识别中的应用，Proc。IEEE，86，2278-2324，（1998）·数字对象标识代码：10.1109/5.726791
[25] Lee，KC；何，J；Kriegman，DJ，获取可变照明下人脸识别的线性子空间，IEEE Trans。模式分析。机器。整数。，27, 684-698, (2005) ·doi:10.1109/TPAMI.2005.92
[26] 路易斯，AS；Sendov，HS，奇异值的非光滑分析。第一部分：理论，集值分析。，13, 213-241, (2005) ·Zbl 1129.49025号 ·doi:10.1007/s11228-004-7197-7
[27] 狮子队，PL；Mercier，B，两个非线性算子之和的分裂算法，SIAM J.Numer。分析。，16, 964-979, (1979) ·Zbl 0426.6500号 ·doi:10.1137/0716071
[28] Liu，R.，Lin，Z.，De la Torre，F.，Su，Z.:无监督视觉学习的固定库表示法。摘自：IEEE计算机视觉和模式识别会议，第598-605页。IEEE（2012）·Zbl 1129.49025号
[29] Liu，G.，Lin，Z.，Yu，Y.：基于低秩表示的稳健子空间分割。摘自：机器学习国际会议，第663-670页（2010年）
[30] Liu，G.，Yan，S.：用于子空间分割和特征提取的潜在低阶表示。2011年IEEE计算机视觉国际会议，第1615-1622页。IEEE（2011）
[31] 刘，G；林，Z；严，S；孙，J；Yu，Y；Ma，Y，通过低秩表示实现子空间结构的稳健恢复，IEEE Trans。模式分析。机器。整数。，35, 171-184, (2013) ·doi:10.1109/TPAMI.2012.88
[32] Lu，C.，Lin，Z.，Yan，S.：用跟踪套索进行相关自适应子空间分割。摘自：IEEE计算机视觉国际会议，第1345-1352页（2013）·Zbl 1356.49061号
[33] Lu，C.Y.，Min，H.，Zhao，Z.Q.，Zhu，L.，Huang，D.S.，Yan，S.：通过最小二乘回归实现稳健高效的子空间分割。摘自：欧洲计算机视觉会议，第347-360页（2012年）
[34] 开源计算机视觉库（OpenCV）。http://sourceforge.net/projects/opencvlibrary ·Zbl 0352.65034号
[35] Patel，V.M.，Nguyen，H.V.，Vidal，R.：潜在空间稀疏子空间聚类。摘自：计算机视觉国际会议（2013）
[36] 帕特尔，VM；阮，H；Vidal，R，潜在空间稀疏和低秩子空间聚类，IEEE J.Sel。顶部。信号处理。，691-701年9月（2015年）·doi:10.1109/JSTSP.2015.2402643
[37] Soltanolkotabi，M.，Candes，E.J.：带离群值的子空间聚类的几何分析。《统计年鉴》，第2195-2238页（2012年）·Zbl 1318.62217号
[38] Soltanolkotabi，M；Elhamifar，E；Candes，E，《稳健子空间聚类》，《Ann.Stat.》，42，669-699，（2014）·Zbl 1360.62353号 ·doi:10.1214/13-AOS1199
[39] Toh，KC；Yun，S，核范数正则化线性最小二乘问题的加速近似梯度算法，Pac。J.Optim。，6, 15, (2010) ·Zbl 1205.90218号
[40] Tron，R.、Vidal，R.：三维运动分割算法比较的基准。In:IEEE计算机视觉和模式识别会议（2007）·Zbl 1327.62369号
[41] Vidal，R.，Ma，Y.，Sastry，S.：广义主成分分析。斯普林格跨学科应用数学（2016）·Zbl 1349.62006号
[42] Vidal，R，子空间聚类，IEEE信号处理。Mag.，28，52-68，（2010）·doi:10.1109/MSP.2010.939739
[43] 维达尔，R；Favaro，P，低秩子空间聚类（LRSC），模式识别。莱特。，43, 47-61, (2014) ·doi:10.1016/j.patrec.2013.08.006
[44] 维达尔，R；特隆，R；Hartley，R，《使用功率因数分解和GPCA对缺失数据进行多帧运动分割》，《国际计算杂志》。视觉。，79, 85-105, (2008) ·doi:10.1007/s11263-007-0099-z
[45] 美国卢克斯堡，光谱聚类教程，统计计算。，17, 395-416, (2007) ·doi:10.1007/s11222-007-9033-z
[46] Wang，F.，Cao，W.，Xu，Z.：非凸复合问题的多块Bregman ADMM的收敛性（2015）。arXiv预打印arXiv:1505.03063
[47] Wang，Y.X.，Xu，H.，Leng，C.：可证明子空间聚类：当LRR遇到SSC时。In：神经信息处理系统（2013）
[48] Wang，Y.，Yin，W.，Zeng，J.：非凸非光滑优化中ADMM的全局收敛性（2015）。arXiv预打印arXiv:1511.06324
[49] 尹，M；高，J；林，Z，拉普拉斯正则化低阶表示及其应用，IEEE Trans。模式分析。机器。整数。，38, 504-517, (2016) ·doi:10.1109/TPAMI.2015.2462360
[50] You，C.，Li，C.G.，Robinson，D.，Vidal，R.：用于可伸缩弹性网子空间聚类的基于Oracle的主动集算法。摘自：IEEE计算机视觉和模式识别会议，第3928-3937页（2016）·Zbl 1229.90122号
[51] You，C.，Robinson，D.，Vidal，R.：通过正交匹配追踪的可伸缩稀疏子空间聚类。摘自：IEEE计算机视觉和模式识别会议，第3918-3927页（2016）·Zbl 1175.94009号
[52] You，C.，Vidal，R.：子空间解析恢复的几何条件。摘自：第32届国际机器学习会议记录（ICML-15），第1585-1593页（2015）
[53] 张，H；林，Z；张，C；高，J，一些低秩子空间恢复模型之间的关系，神经计算。，27, 1915-1950, (2015) ·Zbl 1418.62250号 ·doi:10.1162/NECO_a_00762
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。