鲁棒概率矩阵三分解

摘要：

矩阵分解是计算机视觉、机器学习和数据挖掘中经常使用的数据分析工具.近年来,矩阵分解的概率模型已成为人们关注的焦点.现有的概率矩阵分解一般将数据矩阵分解为两个低秩矩阵之积,这可能会限制该模型的灵活性和实用性.为此,提出了鲁棒概率矩阵三分解模型(RPMTF).该模型将数据矩阵分解为三个矩阵的乘积,并考虑了其鲁棒性.在模型求解时,先将拉普拉斯分布进行分层表示;再采用基于极大后验估计的策略,设计了一种条件期望最大化算法.在实验中,将鲁棒概率矩阵三分解应用到图像去噪和视频背景建模中,结果证实了所提方法的可行性与有效性.

关键词：矩阵三分解、概率矩阵分解、期望最大化、极大后验估计

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：The Postdoctoral Science Foundation of China under Grant No. 2017M613087 中国博士后科学基金;the National Natural Science Foundation of China under Grant No. 61403298 国家自然科学基金

在线出版日期：2020-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1251-1260