文献

J-GLOBAL ID：201702262199350458   整理番号：17A0246049

低ランク・スパース構造を追跡するオンラインアルゴリズムとその実際

Online Algorithms of Low-rank and Sparse Structure Pursuit in Practice

著者 (1件)： 酒井智弥 (長崎大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 116  号： 396(RCS2016 236-288)  ページ： 285-288  発行年： 2017年01月12日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： よくある現象と珍しい現象,あるいは正常・異常に関する情報は,観測信号が持つ何らかの特徴の組合せや,現象に由来する特徴の出現の冗長性・希少性,時空間構造等によって表現されている。特徴の時系列に対し,ロバスト主成分分析は,特徴空間の低ランク構造とスパース構造を同時に捉える情報抽出の一手法になる。本稿ではロバスト主成分分析の逐次的なアルゴリズムを復習する。また,動画像や聴診音の解析等の応用例から,この手法の利点および実用上の課題を議論する。(著者抄録)

シソーラス用語： *主成分分析 ,  ロバスト性 ,  アルゴリズム ,  空間
準シソーラス用語： *ロバスト主成分分析 ,  *オンラインアルゴリズム ,  特徴空間 ,  スパース成分

分類 (1件)： 数値計算  (JE02000J)

引用文献 (18件)：

• V. Chandrasekaran, S. Sanghavi, P.A. Parrilo, and A.S. Willsky, ′′Sparse and low-rank matrix decompositions,′′ Proceedings of the 47th Annual Allerton Conference on Communication, Control, and Computing, pp.962-967, Allerton'09, 2009.
• J. Wright, A. Ganesh, S. Rao, Y. Peng, and Y. Ma, ′′Robust principal component analysis: Exact recovery of corrupted low-rank matrices via convex optimization,′′ NIPS, pp.2080-2088, 2009.
• E.J. Cand?s, X. Li, Y. Ma, and J. Wright, ′′Robust principal component analysis?,′′ Journal of the ACM, vol.58, no.3, pp.11:1-11:37, 2011.
• Z. Lin, M. Chen, L. Wu, and Y. Ma, ′′The augmented Lagrange multiplier method for exact recovery of corrupted low-rank matrices,′′ Technical Report UILU-ENG-09-2215, UIUC, Nov. 2009.
• S. Gandy and I. Yamada, ′′Convex optimization techniques for the efficient recovery of a sparsely corrupted low-rank matrix,′′ Journal of Math-for-Industry, vol.2, no.2010B-5, pp.147-156, 2010.

タイトルに関連する用語 (3件)： 追跡 ,  オンライン ,  アルゴリズム