通过双稀疏追踪实现鲁棒子空间恢复
计算机视觉与模式识别
2014-04-22 v2
摘要
稀疏模型在计算机视觉和机器学习中的成功应用表明，在许多现实世界应用中，高维数据分布在低维子空间的并集中。然而，底层结构可能会受到稀疏误差和/或异常值的影响。在本文中，我们提出了一种双稀疏模型作为分析该问题的框架，并提供了一种新颖的算法，以在存在稀疏破坏的情况下恢复子空间的并集。我们进一步通过对合成数据和现实世界视觉数据的实验展示了我们方法的有效性。
引用
@article{arxiv.1403.8067,
title = {Robust Subspace Recovery via Bi-Sparsity Pursuit},
author = {Xiao Bian and Hamid Krim},
journal= {arXiv preprint arXiv:1403.8067},
year = {2014}
}