低秩矩阵分解 matlab,低秩矩阵分解.pdf

低秩矩阵分解低秩矩阵分解低秩矩阵分解低秩矩阵分解

机器学习机器学习机器学习机器学习

10.低秩矩阵分解低秩矩阵分解

主要内容主要内容主要内容主要内容

低秩矩阵分解问题

L2 VS L1

主要问题：缺失+噪音

CWMCWM

MoGMoG

主要内容主要内容主要内容主要内容

低秩矩阵分解问题

L2 VS L1

主要问题：缺失+噪音

CWMCWM

MoGMoG

低秩矩阵分解低秩矩阵分解

 已知数据：

计算两个低秩矩阵计算两个低秩矩阵

 目标目标：使低秩矩阵乘积尽可能重使低秩矩阵乘积尽可能重

建原矩阵

低秩矩阵分解低秩矩阵分解

大量应用：

运动中的结构检测 社交网络/推荐系统

(E.g.,Eriksson and Hengel ,2010) (E.g.,Cheng et al., 2012)

人脸建模 信息提取

(E.g., Candes et al.,2012) (E.g. Deerwester et al. 1990)

低秩矩阵分解低秩矩阵分解

关键问题：

如何度量原数据与重建数据偏差？

低秩矩阵分解低秩矩阵分解

性能？

最常见误差函数选择最常见误差函数选择：

主要内容主要内容主要内容主要内容

低秩矩阵分解问题

L2 VS L1

主要问题：缺失+噪音

CWMCWM

MoGMoG

低秩矩阵分解低秩矩阵分解

各自优劣各自优劣？？

L2模型的解为？加正交约束有无影响？

低秩矩阵分解低秩矩阵分解

L2范数模型 L1 范数模型

SVD Torre&Black (ICCV, 2001)

Young diagram (CVPR, 2008) R1PCA (ICML, 2006)

L2Wiberg (IJCV, 2007) PCAL1 (PAMI, 2008)

LM_S/LM_M (IJCV, 2008) ALP/AQP (CVPR, 2005)

SALS (CVIU, 2010) L1Wiberg (CVPR, 2010, best paper award)

LRSDP (NIPS, 2010) RegL1ALM (CVPR, 2012)

DampedWiberg (ICCV, 2011)

Weighted SVD (Technometrics, 1979)

WLRA (ICML, 2003)

Damped Newton (CVPR, 2005)

CWM (AAAI, 2013)

Reg-ALM-L1 (CVPR, 2013)

低秩矩阵分解低秩矩阵分解

L2范数模型 L1 范数模型

SVD Torre&Black (ICCV, 2001)

Young diagram (CVPR, 2008) R1PCA (ICML, 2006)

L2Wiberg (IJC