基于低秩表示的精确子空间分割与离群点检测
信息论
2014-04-01 v3 计算机视觉与模式识别
math.IT
摘要
在这项工作中，我们解决以下矩阵恢复问题：假设我们得到一组数据点，包含两部分，一部分是从多个子空间的并集中抽取的样本，另一部分是离群点。我们不知道哪些数据点是离群点，也不知道有多少离群点。子空间的秩和数量也是未知的。我们能否高效且精确地检测出离群点并将样本分割到其正确的子空间中？我们利用所谓的低秩表示（LRR）方法来解决这个问题，并证明在温和的技术条件下，LRR的任何解都能精确恢复样本的行空间并同时检测出离群点。由于子空间成员关系可由行空间确定，这进一步意味着LRR能够以高效的方式执行精确的子空间分割和离群点检测。
引用
@article{arxiv.1109.1646,
title = {Exact Subspace Segmentation and Outlier Detection by Low-Rank Representation},
author = {Guangcan Liu and Huan Xu and Shuicheng Yan},
journal= {arXiv preprint arXiv:1109.1646},
year = {2014}
}
备注
Proceedings of the Fifteenth International Conference on Artificial Intelligence and Statistics, AISTATS 2012