管状采样下低秩张量补全的非凸方法
机器学习
2023-05-31 v1 计算机视觉与模式识别
数值分析
数值分析
摘要
张量补全是现代数据分析中的一个重要问题。在本工作中，我们研究了一种特定的采样策略，称为管状采样。我们提出了两个易于实现的新型非凸张量补全框架，命名为张量 -（TL12）与通过 CUR 的张量补全（TCCUR）。我们在合成数据与一个彩色图像修复问题上测试了这两种方法的效率。实证结果揭示了在低采样率下这两种方法在精度与时间效率之间的权衡。它们各自至少在一方面优于一些经典补全方法。
引用
@article{arxiv.2303.12721,
title = {Non-convex approaches for low-rank tensor completion under tubal sampling},
author = {Zheng Tan and Longxiu Huang and HanQin Cai and Yifei Lou},
journal= {arXiv preprint arXiv:2303.12721},
year = {2023}
}