異常值自識別的低秩矩陣補全方法
摘要：低秩矩陣補全的相關問題在機器學習、圖像處理、視頻去噪等領域受到極大關注,在假設數據低秩的情況下,使用矩陣補全可以估計缺失數據的值,得到滿足約束條件情況下最接近目標矩陣的結果矩陣。然而,在加入非高斯噪聲的情況下,目前大部分矩陣補全算法的魯棒性并不理想。為了增加矩陣補全算法的魯棒性并避免算法過擬合,討論了幾種較為經典的矩陣補全算法,并提出了一種新的魯棒性矩陣補全方法。該算法可以識別異常值的位置并用近似數據替換異常數據,降低異常值對算法的影響,增加精確度。模擬數據和真實數據的實驗結果均顯示,該算法在處理數據被高斯噪聲毀壞的情況下有較好的魯棒性和準確性。
注: 保護知識產權,如需閱讀全文請聯系計算機科學與探索雜志社
相關推薦
更多
