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

>>阅读原文<<