低秩分块矩阵的核近似
为了探讨结构受限下的矩阵分解问题,通过最小化块外对角线来增强类与类之间数据表示的不相关性,从而实现分块约束,即数据来源于不同的聚类结构,是一种局部结构的约束;同时通过增强样本的自表达属性并缩小样本之间的差距来增强类内数据表示的相关性,从而实现低秩约束,即数据行出现冗余,是一种全局结构的约束.随后设计了一个低秩分块矩阵的核近似算法,通过交替方向乘子法迭代求解.最后将该方法分别在人脸识别和字符识别上进行测试.实验结果表明,所提出的低秩分块矩阵分解算法在收敛速度和近似精度上都具有一定的优势.
低秩近似、块对角矩阵、稀疏矩阵、核近似、矩阵分解、交替向量乘子法、子空间聚类、图像识别
14
TP181(自动化基础理论)
国家自然科学基金项目;山东省高等学校科技计划
2020-03-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
1209-1216