文献

J-GLOBAL ID：201802279034825237   整理番号：18A1771206

行列因子分解によるロバスト主成分分析【JST・京大機械翻訳】

Robust Principal Component Analysis with Matrix Factorization

著者 (2件)： Chen Yongyong (Department of Computer and Information Science, University of Macau, Macau, 999078, China) ,  Zhou Yicong (Department of Computer and Information Science, University of Macau, Macau, 999078, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 2411-2415  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 従来のロバスト主成分分析(RPCA)は,RPCAが大きな行列の特異値分解を計算する必要があるので,高い計算コストを持つ。この問題に対処するために,本論文はマトリックス因子化ベースのRPCA(MFRPCA)モデルを提案した。MFRPCAは,非凸低ランク近似を用いて,従来のRPCAのロバスト性と柔軟性を改善しながら,高い計算効率を有する。挑戦的データセットに関する実験結果は,いくつかの先進的低ランク再構成法と比較してMFRPCAの優れた性能を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 柔軟性 ,  再構成 ,  凸形 ,  *主成分分析 ,  *ロバスト性 ,  特異値分解
準シソーラス用語： *因子分解 ,  計算効率 ,  計算コスト ,  低ランク近似 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 行列 ,  因子分解 ,  ロバスト ,  主成分分析