两类低秩矩阵重构模型及其应用探索
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景 | 第11-13页 |
1.2 预备知识 | 第13-16页 |
1.2.1 矩阵相关 | 第13-14页 |
1.2.2 优化算法 | 第14-16页 |
1.3 本文主要内容和结构安排 | 第16-17页 |
第二章 低秩矩阵填充模型及改进 | 第17-37页 |
2.1 经典模型及其算法 | 第18-25页 |
2.1.1 重构的核范数最小化模型 | 第18-20页 |
2.1.2 带弹性网正则项的核范数最小化模型 | 第20-21页 |
2.1.3 核范数正则化最小二乘模型 | 第21-22页 |
2.1.4 潜因子模型 | 第22-23页 |
2.1.5 加权核范数最小化模型(WNNM) | 第23-25页 |
2.2 模型改进及其算法 | 第25-32页 |
2.2.1 行稀疏噪声的刻画 | 第25-26页 |
2.2.2 行稀疏噪声下的填充模型 | 第26-32页 |
2.3 数值实验 | 第32-37页 |
2.3.1 不同矩阵规模下的算法表现 | 第33页 |
2.3.2 不同秩下的算法表现 | 第33-34页 |
2.3.3 不同采样率下的算法表现 | 第34-35页 |
2.3.4 不同行稀疏率下的算法表现 | 第35-37页 |
第三章 低秩矩阵恢复模型及改进 | 第37-49页 |
3.1 经典算法 | 第38-43页 |
3.1.1 鲁棒主成分分析 | 第38-39页 |
3.1.2 带弹性网正则项的鲁棒主成分分析 | 第39-41页 |
3.1.3 无约束的正则化最小二乘模型 | 第41-43页 |
3.2 低秩-行稀疏分解模型 | 第43-45页 |
3.3 数值实验 | 第45-49页 |
3.3.1 不同矩阵规模下的算法比较 | 第45-47页 |
3.3.2 不同秩下的算法比较 | 第47页 |
3.3.3 不同行稀疏率下的算法比较 | 第47-49页 |
第四章 应用探索 | 第49-54页 |
4.1 搞笑段子排名 | 第49-52页 |
4.2 监控视频中运动物体提取 | 第52-54页 |
第五章 总结与展望 | 第54-55页 |
参考文献 | 第55-58页 |
致谢 | 第58页 |