基于张量链子空间的的主成分分析
机器学习
2018-03-15 v1 计算机视觉与模式识别
信息论
数值分析
math.IT
摘要
张量链是一种层次化张量网络结构，通过对大规模多维数据用一组低秩张量网络进行参数化，有助于缓解维度灾难。与这种构造相关的是张量链子空间的概念，本文提出一种 TT-PCA 算法，用于从给定数据中估计这一结构化子空间。通过保持低秩张量结构，与 PCA 或 Tucker-PCA 相比，TT-PCA 对噪声更具鲁棒性。在 Extended YaleFace Dataset B 上测试所提方法，数值实验证实了这一点。
引用
@article{arxiv.1803.05026,
title = {Principal Component Analysis with Tensor Train Subspace},
author = {Wenqi Wang and Vaneet Aggarwal and Shuchin Aeron},
journal= {arXiv preprint arXiv:1803.05026},
year = {2018}
}