-
题名基于稀疏协同相关熵的鲁棒主成分分析
- 1
-
-
作者
陈平
刘珂菡
梁正友
胡奇兴
张远鹏
-
机构
广西大学计算机、电子与信息学院
成都信息工程大学
南通大学医学信息学系
香港理工大学健康科技与资讯学系
-
出处
《计算机科学》
北大核心
2025年第10期134-143,共10页
-
基金
国家自然科学基金(12101090)
四川省科技厅资助项目(2023NSFSC1425,2023NSFSC0071,2023NSFSC1362)
2023成都信息工程大学科技创新能力提升计划创新团队重点项目(KYTD202322)。
-
文摘
主成分分析(Principal Component Analysis,PCA)广泛应用于许多领域,但其对非高斯噪声很敏感。研究者们已经提出了许多鲁棒主成分分析(Robust PCA,RPCA)模型来处理这个问题。然而,这些方法只能处理一种类型的噪声,如特征域中的脉冲噪声或样本域中的异常值。为此,提出了一种基于稀疏协同相关熵的RPCA模型(SCPCA),该模型对脉冲噪声和离群值同时具有鲁棒性。在此基础上,提出了一种基于Fenchel共轭和加速块坐标更新(Block Coordinate Update,BCU)策略的迭代算法。在聚类、背景重建和人脸建模方面进行了大量的实验来评估所提出的方法的鲁棒性。结果表明,在大多数情况下,所提出的方法优于目前先进的方法。
-
关键词
鲁棒主成分分析
相关熵
背景重建
人脸建模
-
Keywords
Robust principal component analysis
Correntropy
Background reconstruction
Face Modeling
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
