异常值自识别的低秩矩阵补全方法
摘要：低秩矩阵补全的相关问题在机器学习、图像处理、视频去噪等领域受到极大关注,在假设数据低秩的情况下,使用矩阵补全可以估计缺失数据的值,得到满足约束条件情况下最接近目标矩阵的结果矩阵。然而,在加入非高斯噪声的情况下,目前大部分矩阵补全算法的鲁棒性并不理想。为了增加矩阵补全算法的鲁棒性并避免算法过拟合,讨论了几种较为经典的矩阵补全算法,并提出了一种新的鲁棒性矩阵补全方法。该算法可以识别异常值的位置并用近似数据替换异常数据,降低异常值对算法的影响,增加精确度。模拟数据和真实数据的实验结果均显示,该算法在处理数据被高斯噪声毁坏的情况下有较好的鲁棒性和准确性。
注: 保护知识产权,如需阅读全文请联系计算机科学与探索杂志社
相关推荐
更多
