期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种新的广义鲁棒主成分分析(GRPCA)算法研究及应用
被引量:
3
1
作者
侯旭珂
杨宏伟
+1 位作者
马方
赵丽娜
《北京化工大学学报(自然科学版)》
CAS
CSCD
北大核心
2018年第4期82-85,共4页
为恢复被混合噪声污染的低秩矩阵,提出了一种新的广义鲁棒主成分分析(GRPCA)算法。它通过最小化核范数、1范数和2,1范数的组合问题,从观测矩阵中分离出低秩部分和混合噪声部分,并用随机排序的交替方向乘子法求解。利用本文方法进行垃圾...
为恢复被混合噪声污染的低秩矩阵,提出了一种新的广义鲁棒主成分分析(GRPCA)算法。它通过最小化核范数、1范数和2,1范数的组合问题,从观测矩阵中分离出低秩部分和混合噪声部分,并用随机排序的交替方向乘子法求解。利用本文方法进行垃圾邮件分类的实验结果表明,与经典的主成分分析(PCA)和鲁棒主成分分析(RPCA)算法相比,本文方法可以有效提高垃圾邮件分类的精确度和稳定性。
展开更多
关键词
广义鲁棒主成分分析(GRPCA)
降维
k近邻(k
NN)
支持向量机(SVM)
下载PDF
职称材料
通过随机排序的交替方向乘子法的矩阵恢复
被引量:
4
2
作者
李吉
赵丽娜
侯旭珂
《北京化工大学学报(自然科学版)》
CAS
CSCD
北大核心
2017年第3期123-128,共6页
为了解决交替方向乘子法(ADMM)在求解广义的鲁棒主成分分析(G-RPCA)模型时结果不收敛的问题,提出用随机排序的交替方向乘子法(RP-ADMM)来求解这一模型,并且通过数值模拟和实例验证证明了该算法的有效性。结果表明,该算法求解G-RPCA模型...
为了解决交替方向乘子法(ADMM)在求解广义的鲁棒主成分分析(G-RPCA)模型时结果不收敛的问题,提出用随机排序的交替方向乘子法(RP-ADMM)来求解这一模型,并且通过数值模拟和实例验证证明了该算法的有效性。结果表明,该算法求解G-RPCA模型较目前已有的算法速度更快、鲁棒性更高;在处理同时被稀疏大噪声和稠密小噪声污染的图片时,能较理想地分离出图像的低秩部分、大噪声部分和小噪声部分。
展开更多
关键词
广义鲁棒主成分分析
随机排序的交替方向乘子法(RP-ADMM)
矩阵恢复
去噪
下载PDF
职称材料
题名
一种新的广义鲁棒主成分分析(GRPCA)算法研究及应用
被引量:
3
1
作者
侯旭珂
杨宏伟
马方
赵丽娜
机构
北京化工大学理学院
北京化工大学信息中心
出处
《北京化工大学学报(自然科学版)》
CAS
CSCD
北大核心
2018年第4期82-85,共4页
基金
国家自然科学基金(11301021/11571031)
文摘
为恢复被混合噪声污染的低秩矩阵,提出了一种新的广义鲁棒主成分分析(GRPCA)算法。它通过最小化核范数、1范数和2,1范数的组合问题,从观测矩阵中分离出低秩部分和混合噪声部分,并用随机排序的交替方向乘子法求解。利用本文方法进行垃圾邮件分类的实验结果表明,与经典的主成分分析(PCA)和鲁棒主成分分析(RPCA)算法相比,本文方法可以有效提高垃圾邮件分类的精确度和稳定性。
关键词
广义鲁棒主成分分析(GRPCA)
降维
k近邻(k
NN)
支持向量机(SVM)
Keywords
generalized robust principal component analysis (GRPCA)
dimensionality reduction
k-nearest neigh-ber (kNN)
support vector machines (SVM)
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
通过随机排序的交替方向乘子法的矩阵恢复
被引量:
4
2
作者
李吉
赵丽娜
侯旭珂
机构
北京化工大学理学院
出处
《北京化工大学学报(自然科学版)》
CAS
CSCD
北大核心
2017年第3期123-128,共6页
基金
国家自然科学基金(11301021/11571031)
文摘
为了解决交替方向乘子法(ADMM)在求解广义的鲁棒主成分分析(G-RPCA)模型时结果不收敛的问题,提出用随机排序的交替方向乘子法(RP-ADMM)来求解这一模型,并且通过数值模拟和实例验证证明了该算法的有效性。结果表明,该算法求解G-RPCA模型较目前已有的算法速度更快、鲁棒性更高;在处理同时被稀疏大噪声和稠密小噪声污染的图片时,能较理想地分离出图像的低秩部分、大噪声部分和小噪声部分。
关键词
广义鲁棒主成分分析
随机排序的交替方向乘子法(RP-ADMM)
矩阵恢复
去噪
Keywords
generalized robust principal component analysis (PCA)
randomly permuted alternating direction method of multipliers (RP-ADMM)
matrix recovery
denoising
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种新的广义鲁棒主成分分析(GRPCA)算法研究及应用
侯旭珂
杨宏伟
马方
赵丽娜
《北京化工大学学报(自然科学版)》
CAS
CSCD
北大核心
2018
3
下载PDF
职称材料
2
通过随机排序的交替方向乘子法的矩阵恢复
李吉
赵丽娜
侯旭珂
《北京化工大学学报(自然科学版)》
CAS
CSCD
北大核心
2017
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部