基于受限等距性质的矩阵低秩稀疏逼近误差界

正1引言假设D∈R~(m×n)为实际观测到的高维数据矩阵,则从高维空间中估计一低维子空间的问题,称为矩阵低秩逼近,即估计一低秩矩阵A,使得D与A∈R~(m×n)之间的误差E=D-A最小化,该问题表示如下min‖E‖~2_F=‖D-A‖~2_F s.t.rank(A)≤r,其中r《min(m,n).求解矩阵低秩逼近问题最著名的方法是主成分分析法(Principal components analysis,PCA)[8,14,15],PCA在误差||E||_F较小的情况下,利用奇异值分解     

基于Spectral Tetris算法的框架的最佳稀疏性

当信号维数较大时,使用稀疏框架分解信号就能减少大量的加法和乘法运算,所以,研究稀疏框架很有意义.本文介绍有限框架的稀疏性,并研究基于Spectral Tetris算法构造的框架的稀疏性.首先,给出基于Spectral Tetris算法的框架的最佳稀疏性;其次,得到基于Spectral Tetris算法的可剖分紧框架的最佳稀疏性.