基于矩阵分解的小计算代价RPCA模型及应用

鲁棒主成分分析(RPCA)是处理前景-背景分离问题的常用模型,然而原始RPCA模型及多数改进模型直接使用核范数来近似矩阵秩函数,常导致求解效率低且分离效果不理想等问题,尤其是当背景动态变化时。为降低计算代价,改善分离效果,引入矩阵分解技巧,同时在模型中加入二值模板和置信图等时空约束信息,对基于核范数的RPCA模型进行改进,提出一种新的小计算代价RPCA模型。运用增广拉格朗日乘子法求解改进后的模型,并在大量真实数据集上进行数值实验。实验结果表明,与现有的模型相比,新模型的召回率、准确率及相似度等评价指标都有明显的改善,且分离精度和求解效率也显著提高。     

t-分布分位点的幂级数算法

依据t-分布tγ的x分位点函数F-1γ(x)的幂级数展开式可以给出一种计算F-1γ(x)的近似值的具体方法.结果显示,在给定自由度γ时,随着x离12越远,进行近似计算的项数越多;在给定x时,随着自由度增加,近似计算的项数减少;可以达到Matlab软件中算法的精度.     

度量空间上泛函的一致连续性

定义了度量空间上泛函的一致连续性以及一致连续性的判定函数,研究了判定函数的性质,建立了判定函数和泛出一致连续的关系,利用判定函数给出了度量空间和次范整线性空间上泛函一致连续的一个充分必要条件,使得泛函一致连续性的判定变得简单。     

基于谱正则化算法的大数据矩阵完备化研究

矩阵完备化是基于部分观测数据来完成全部矩阵预测的问题.随着互联网技术的发展,大数据时代的来临,大数据矩阵中大多数据依然是空白的,需要补充,即大数据存在矩阵完备化的问题.本文利用谱正则化模型和算法来解决大数据的矩阵完备化问题,该方法将矩阵完备化问题整理成核范数最小二乘问题,再通过截断奇异值分解、软输入算法和硬输入算法给出了一系列正则化低秩解.最后基于实际的Netflix 大数据的实验结果证明了本文的方法.     

矩阵秩优化问题的一种分离算法

具有线性约束的最小矩阵秩优化问题在控制、信号处理、系统识别等领域都有着广泛的应用。在矩阵优化问题中,矩阵的秩能够反应数据的稀疏性,但由于矩阵秩函数的非凸性,矩阵秩优化问题一般解决起来比较困难。目前,矩阵核范数的应用对于解决矩阵秩优化问题提供了有效的工具。具有线性约束的最小核范数问题为最小秩问题最紧的凸松弛问题,对于最小核范数问题,如今已存在大量的算法,而可以解决最小化2个下半连续凸函数之和这一类优化问题的Douglas-Rachford分离技巧也同样可以用于此类问题的研究,运用此类技巧得到的算法具有良好的稳健性、有效性和收敛性。     

毕达哥拉斯正交与内积空间的一个特征性质

为研究毕达哥拉斯正交与内积空间之间的关系,证明了满足蕴含关系x,y∈Sx,x⊥Iy■‖x+y‖=2且维数不小于3的实赋范线性空间是内积空间,从而证明一个维数不小于3且满足蕴含关系x,y∈Sx,x⊥py■x⊥p(-y)的赋范线性空间X是一个内积空间.     

概率线性赋范空间中的概率积分、Gteaux微分及Schauder原理

本文在概率线性赋范空间中引进概率积分、Gteaux微分的概念,研究了它们的基本性质,得出了概率线性赋范空间中的Schauder原理.     

赋范线性空间中的两个定理

结合实数空间中闭区间上连续函数的性质,得出了赋范线性空间中连续泛函的"零点存在定理"和"介值定理".     

关于一类算子的共鸣定理

本文将证明一类非线性算子的共鸣定理。设Λ 是任意指标集,X 是一个第二纲的赋β*范空间,Xλ是赋准范空间(λ∈Λ),Aλ是X 到Xλ内的次减算子,当{Aλ}满足本文中定理1的条件时,有 * 成立。（注：*处为公式）
     

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。