书目详细信息
： 矩阵低秩稀疏分解方法与应用研究
书目信息 机读格式(MARC)
| ISBN/价格： | 978-7-5096-7707-0:CNY56.00 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 110000 |
| 题名责任者项： | 矩阵低秩稀疏分解方法与应用研究/.刘子胜著 |
| 出版发行项： | 北京:,经济管理出版社:,2021 |
| 载体形态项： | 146页:;+图:;+24cm |
| 丛编项： | 河南财经政法大学统计与大数据学院论丛 |
| 一般附注： | 河南省高等学校人文社会科学重点研究基地“河南教育统计研究中心” 刘定平教授“中原千人计划”专项 河南省高等学校重点科研项目“余稀疏信号重构的混合变分不等式方法研究”(编号20A110014) 河南省高等学校重点科研项目“输入饱和约束下的多智能体系统量化迭代学习控制”(编号20A120004) 全国统计科学研究项目“低秩稀疏大数据信息分析方法及应用”(编号2018LZ23) 经管出版 |
| 提要文摘： | 本书在酉不变范数意义下，通过矩阵的广义逆分解理论，利用矩阵的相关投影性质，研究了矩阵低秩分解的扰动理论；基于受限等距性质，在理想情况下研究了矩阵低秩稀疏分解的性质，并给出了稀疏矩阵精确重构的充分条件；在噪声情况下，分析了稀疏矩阵恢复的鲁棒性，给出了误差上界；基于鲁棒主成分分析模型(RPCA)，提出了矩阵低秩稀疏分解的可分离替代函数法，并设计了近似点迭代阈值算法(PPIT)和基于不精确的增广拉格朗日方法(IALM)的可分离替代函数算法(SSF-IALM)求解RPCA模型；最后本书提出了矩阵的稀疏低秩因子分解模型(SLRF)，并设计了两种求解此模型的算法：惩罚函数法(PFM)和增广拉格朗日方法(ALMM)。 |
| 并列题名： | Research on the method and application of sparse and low-rank decomposition of matrix eng |
| 题名主题： | 数据处理 |
| 索书号： | TP274/L79.3 |
| 中图分类： | TP274 |
| 个人名称等同： | 刘子胜, 著 |
| 记录来源： | CN 浙江省新华书店集团公司 20210521 |