鲁棒PCA matlab代码

资 源 简 介

"Wright 等人[13]最近几年研究的一种从低秩矩阵恢复问题中引导出的Robust PCA，引起了 很多关注，也是目前最为流行的RPCA 方法。低秩矩阵恢复本义是从带有噪声的数据中恢复 出原始的低秩数据，可以看到其思想与PCA 是类似的，因为PCA 是要找到数据的低维子空 间，数据中不属于低维子空间的部分即为矩阵恢复中的噪声。 其具体思想为：在(1)中，不仅仅要求L0是低秩的，还要求S0是稀疏的，并且S0中的元 素可以是任意大的。通过这样的假设，即使数据中存在野点，也就是个别像素的噪声十分大

详 情 说 明

近年来，Wright等人[13]对从低秩矩阵恢复问题中引导出的Robust PCA进行了深入研究，提出了一种广受欢迎的RPCA方法。低秩矩阵恢复的本意是从带有噪声的数据中恢复出原始的低秩数据。与PCA相似，PCA要找到数据的低维子空间，数据中不属于低维子空间的部分即为矩阵恢复中的噪声。RPCA的具体思想是，在公式（1）中，不仅要求L0是低秩的，还要求S0是稀疏的，并且S0中的元素可以是任意大的。通过这样的假设，即使数据中存在野点，也就是个别像素的噪声十分大，RPCA也能够将这个噪声划分到稀疏的矩阵中去。如果能够很好地解决这个优化问题，那么RPCA问题就得到了很好的一个解。因此，RPCA已经成为了研究学者们广泛关注的热门话题。