加权奇异值阈值化及其在背景估计中的应用
最优化与控制
2017-07-04 v1
摘要
奇异值阈值化 (SVT) 在著名的鲁棒主成分分析 (RPCA) 算法中扮演重要角色，后者在计算机视觉与推荐系统中有许多应用。本文中，我们公式化并研究加权奇异值阈值化 (WSVT) 问题，其使用核范数与加权 Frobenius 范数的组合。我们给出一种数值求解 WSVT 的算法，并确立该算法的收敛性。作为概念验证，我们将从数据学习的简单权重选择的 WSVT 应用于计算机视觉中的背景估计问题。数值实验表明我们的方法能优于 RPCA 算法。这表明，与其处理 RPCA 中计算昂贵的 范数，不如转向加权 Frobenius 范数并获得大致相同或更好的性能。
引用
@article{arxiv.1707.00133,
title = {Weighted Singular Value Thresholding and its Application to Background Estimation},
author = {Aritra Dutta and Boqing Gong and Xin Li and Mubarak Shah},
journal= {arXiv preprint arXiv:1707.00133},
year = {2017}
}