对异常值鲁棒的成功投影算法

成功投影算法（SPA）是一种用于处理可分离非负矩阵分解（NMF）的快速算法。给定非负数据矩阵 $X$，SPA 识别指标集 $\mathcal{K}$，使得存在非负矩阵 $H$ 满足 $X \approx X(:,\mathcal{K})H$。SPA 已成功用作高光谱解混中的纯像素搜索算法以及文档分类中的锚词选择。此外，SPA 在低噪声环境下被证明是鲁棒的。SPA 的主要缺点是对异常值不鲁棒，且在选择 $\mathcal{K}$ 中的指标时未考虑数据拟合项。本文提出一种新的 SPA 变体，称为鲁棒 SPA（RSPA），其对异常值鲁棒，同时在低噪声环境下仍被证明是鲁棒的，并且在选择 $\mathcal{K}$ 中的指标时考虑了重构误差。我们在合成数据集与高光谱图像上说明了 RSPA 的有效性。