鼹鼠的胡须 的博客

原创 视频前背景分离论文之（5） Robust PCA via Nonconvex Rank Approximation

1、AbstractRPCA是低秩矩阵恢复的general的模型框架， 在某些假设下它能够以很大的概率很好地恢复原矩阵潜在的低秩矩阵（the underlying true low rank matrix）的，然而，实际应用中这些假设并不一定成立 。在RPCA中核范数是通过将奇异值加和来逼近矩阵的秩的，即相当于求奇异值的ℓ1−norm\ell_{1}-norm. 这样得到的近似误差是不可忽略的，因此