用于含大量离群点的混合线性建模的中值K-平面算法
计算机视觉与模式识别
2010-05-10 v1 机器学习
摘要
我们描述了中值K-平面（MKF）算法，这是一种用于混合线性建模（即用平面混合来逼近数据）的简单在线方法。该算法同时将数据划分为簇，并找到它们对应的最佳逼近l1 d-平面，从而最小化累积l1误差。当前的实现将d-平面限制为d维线性子空间。它所需的存储量可忽略不计，其复杂度（当对由D维欧几里得空间中的N个点组成的数据用K个d维线性子空间建模时）为O(n K d D + n d^2 D)，其中n是收敛所需的迭代次数（经验上约为10^4量级）。由于它是一种在线算法，数据可以增量式地输入，并且它可以增量式地产生相应的输出。我们使用合成数据和真实数据仔细评估了该算法的性能。
引用
@article{arxiv.0909.3123,
title = {Median K-flats for hybrid linear modeling with many outliers},
author = {Teng Zhang and Arthur Szlam and Gilad Lerman},
journal= {arXiv preprint arXiv:0909.3123},
year = {2010}
}