李、柯;吴刚 一种用于高维降维和图像压缩的随机广义低秩矩阵近似算法。 (英语) Zbl 1474.65122号 数字。线性代数应用。 28,第1期,e2338,24页(2021). 摘要:高维约简技术是机器学习和数据挖掘中非常重要的工具。广义低秩矩阵近似(GLRAM)方法是一种常用的降维和图像压缩技术。然而,在实际应用中,它的计算开销很大,尤其是对于高维数据。为了降低该算法的成本,我们提出了一种基于随机奇异值分解(RSVD)的随机GLRAM算法。我们工作的理论贡献是三方面的。首先,我们讨论了GLRAM算法迭代过程中矩阵奇异值的衰减特性,并从理论角度提供了RSVD过程中所需的目标秩。其次,我们建立了标准GLRAM算法和随机GLRAM算法生成的重建误差之间的关系。结果表明,前者和后者产生的重建误差是可比较的,即使在迭代过程中计算不准确。第三,研究了随机GLRAM算法的收敛性。在一些真实数据集上的数值实验表明,与原始算法和一些最先进的GLRAM类型算法相比,我们提出的算法具有优越性。 引用于1文件 MSC公司: 65层55 低阶矩阵逼近的数值方法;矩阵压缩 第15页第18页 特征值、奇异值和特征向量 68瓦20 随机算法 94A08型 信息与通信理论中的图像处理(压缩、重建等) 关键词:矩阵的广义低秩逼近;高维约简;图像压缩;随机奇异值分解;奇异值分解 软件:Matlab公司;贾菲;CMU派 PDF格式BibTeX公司 XML格式引用 \textit{K.Li}和\textit{G.Wu},数字。线性代数应用。28,第1号,e2338,第24页(2021;兹bl 1474.65122) 全文: 内政部