具有变点检测的在线鲁棒主成分分析
机器学习
2017-03-22 v2 计算机视觉与模式识别
应用统计
统计计算
机器学习
摘要
鲁棒主成分分析（PCA）方法通常是批处理算法，需要在处理前将所有观测载入内存。这使得它们处理大数据时效率低下。本文提出了一种高效的在线鲁棒主成分方法，即在线滑动窗口鲁棒主成分分析（OMWRPCA）。与现有算法不同，OMWRPCA 不仅能成功跟踪缓慢变化的子空间，也能跟踪突变的子空间。通过将假设检验嵌入算法，OMWRPCA 可检测底层子空间的变点。大量仿真研究证明了 OMWRPCA 相较于其他最先进方法的优越性能。我们还将该算法应用于监控视频的实时背景减除。
引用
@article{arxiv.1702.05698,
title = {Online Robust Principal Component Analysis with Change Point Detection},
author = {Wei Xiao and Xiaolin Huang and Jorge Silva and Saba Emrani and Arin Chaudhuri},
journal= {arXiv preprint arXiv:1702.05698},
year = {2017}
}