RPCA原理初探

設PCA和RPCA從名字看是有一些相似性的,兩者的區別在於對於誤差的假設不同,PCA假設數據誤差是服從高斯分佈的,即數據噪聲較小;RPCA假設數據噪聲是稀疏的,並且可能是強的噪聲 1-範數(列和範數) 將矩陣沿列方向取絕對值求和,然後擢選出數值最大的那個值作爲1-範數。 假設:原有數據具有良好的數據結構即是低秩的,且只有很少一部分元素被噪聲污染,即噪聲是稀疏的。 設帶分解矩陣爲X,原有數據矩陣爲A
相關文章
相關標籤/搜索