基于隐式正则化的无调参在线鲁棒主成分分析
机器学习
2025-08-15 v2 计算机视觉与模式识别
机器学习
摘要
标准在线鲁棒主成分分析（OR-PCA）技术的性能取决于显式正则化参数的最佳调参，而该调参对数据集敏感。我们旨在通过隐式正则化消除对这些调参参数的依赖。本文提出利用各种修改梯度下降的隐式正则化效应，使 OR-PCA 无需调参。该方法融合了三种不同版本的修改梯度下降，这些方法分别自然地鼓励数据中的稀疏性和低秩结构。所提方法在模拟数据和真实数据上表现与调参后的 OR-PCA 相当或更好。无调参的 OR-PCA 由于无需数据相关参数调参，更具大规模数据集的可扩展性。
引用
@article{arxiv.2409.07275,
title = {Tuning-Free Online Robust Principal Component Analysis through Implicit Regularization},
author = {Lakshmi Jayalal and Gokularam Muthukrishnan and Sheetal Kalyani},
journal= {arXiv preprint arXiv:2409.07275},
year = {2025}
}