|
1.
不完全鲁棒主成分分析的正则化方法及其在背景建模中的应用
史加荣, 郑秀云, 杨威
计算机应用
2015, 35 (10):
2824-2827.
DOI: 10.11772/j.issn.1001-9081.2015.10.2824
针对现有的鲁棒主成分分析(RPCA)方法忽略序列数据的连续性及不完整性的情况,提出了一种低秩矩阵恢复模型——正则化不完全鲁棒主成分分析(RIRPCA)。首先基于序列数据连续性的度量函数建立了RIRPCA模型,即最小化矩阵核范数、
L
1范数和正则项的加权组合;然后使用增广拉格朗日乘子法来求解所提出的凸优化模型, 此算法具有良好的可扩展性和较低的计算复杂度;最后,将RIRPCA应用到视频背景建模中。实验结果表明,RIRPCA比矩阵补全和不完全RPCA等方法在恢复丢失元素和分离前景上具有优越性。
参考文献 |
相关文章 |
多维度评价
|
|