张量鲁棒主成分分析的增广拉格朗日交替方向方法

张量的鲁棒主成分分析是将未知的一个低秩张量与一个稀疏张量从已知的它们的和中分离出来.因为在计算机视觉与模式识别中有着广阔的应用前景,该问题在近期成为学者们的研究热点.本文提出了一种针对张量鲁棒主成分分析的新的模型,并给出交替方向极小化的求解算法,在求解过程中给出了两种秩的调整策略.针对低秩分量本文对其全部各阶展开矩阵进行低秩矩阵分解,针对稀疏分量采用软阈值收缩的策略.无论目标低秩张量为精确低秩或近似低秩,本文所提方法均可适用.本文对算法给出了一定程度上的收敛性分析,即算法迭代过程中产生的任意收敛点均满足KKT条件.如果目标低秩张量为精确低秩,当迭代终止时可对输出结果进行基于高阶奇异值分解的修正.针对人工数据和真实视频数据的数值实验表明,与同类型算法相比,本文所提方法可以得到更好的结果.     

基于监控视频的前景目标提取

对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(Bayesian RPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有Bayesian RPCA和MoG-RPCA提取出了完整的前景目标,但是Bayesian RPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.     

求解鲁棒主成分分析的新交替下降方向法

鲁棒主成分分析作为统计与数据科学领域的基本工具已被广泛研究,其核心原理是把观测数据分解成低秩部分和稀疏部分.本文基于鲁棒主成分分析的非凸模型,提出了一种新的基于梯度方法和非单调搜索技术的高斯型交替下降方向法.在新算法中,交替更新低秩部分和稀疏部分相关的变量,其中低秩部分的变量是利用一步带有精确步长的梯度下降法进行更新,...     

去除稀疏和结构化噪声的交替方向增强拉格朗日算法

图像和视频去噪是数字图像处理的必要环节之一.为了去除图像和视频中广泛存在的稀疏噪声和结构化噪声,提出了一种分离低秩矩阵、稀疏矩阵和结构化矩阵的优化模型一主成分离群点追求.在交替方向最小化思想的基础上,利用增强拉格朗日乘子法求解主成分离群点追求模型,设计了求解模型的交替方向增强拉格朗日(ADAL)算法,加入了一种连续技术以提高算法的收敛速率.仿真实验结果表明,提出的模型和算法能够有效去除不同尺寸矩阵的不同比例的稀疏噪声和结构化噪声.     

处理噪声问题的泰勒展开交替最小化算法

为了处理图像、计算机视觉和生物信息等领域中广泛存在的稀疏大噪声和高斯噪声问题,提出了一种利用交替方向最小化思想求解主成分追求松弛模型的泰勒展开交替最小化算法(TEAM).采用推广泰勒展开和收缩算子等技术推导出低秩矩阵和稀疏大噪声矩阵的迭代方向矩阵,加入连续技术提高算法的收敛速率,设计出TEAM算法的求解步骤.实验中,将TEAM算法与该领域的顶级算法作分析对比.结果表明,TEAM算法时间优势明显,误差优势略好.     

含分布时滞的不确定中立系统鲁棒稳定之时滞分解法

研究了一类同时具有离散与分布时滞的不确定中立型系统的鲁棒稳定性问题,基于时滞分割方法建立一种新的时滞相关鲁棒稳定性条件.通过把时滞区间非均匀的分解成N份,针对不同的分割区间构造合适的Lyapunov-Krasovskii(L-K)泛函,结合积分不等式处理方法建立了基于线性矩阵不等式(LMI)形式的时滞相关条件,该方法不包含任何的模型变换和自由权矩阵技术,减少了理论与计算上的复杂性,最后的数值算例仿真表明,该方法扩大了系统稳定的时滞上界范围,相比已有结论具有更低的保守性.     

低秩矩阵恢复的混合型增广拉格朗日乘子算法CSCD

1引言低秩矩阵恢复问题,又称为鲁棒主成分分析问题或稀疏低秩矩阵分解问题,是指在较少的观测值的基础上恢复出原始矩阵.该问题来源于许多领域,如协同过滤[1,2,3],机器学习[4],图片对齐[5],信号处理[6]和量子态层析成像[7]等等.在文献[8,9,10]中,低秩矩阵恢复问题可以看作是将向量的稀疏表示推广到低秩矩阵的情形,也就是说当矩阵中某些元素严重缺失时,自动识别出损坏的元素并恢复原始矩阵[11].     

基于改进的不动点迭代算法的低秩Gram矩阵的恢复

仿射限制条件下的低秩矩阵的恢复问题广泛地出现在控制、信号处理及系统识别等许多领域中.此问题可以凸松弛为带仿射限制条件的矩阵核范数的极小化问题.尽管后者能够转化为标准的半定规划问题求解,但是对于规模较大的矩阵其产生的计算量也很大.为此提出一种新的求解Gram矩阵核范数极小化问题的一阶算法-改进的不动点迭代算法(FPC-BB),并给出了算法的收敛性分析.算法以不动点迭代算法(FPC)中的算子分裂技术为基础,通过改进阈值算子Tv来求解低秩Gram矩阵的恢复问题.同时,还引入Barzilai-Borwein技术进行参数的选取,提高了算法的收敛速度.数值实验显示算法不仅能够很快地将低秩Gram矩阵精确地恢复出来,对于一些非低秩矩阵的恢复问题也能得出较好的结果.     

一种改进的求解矩阵补全问题的原始-对偶算法

低秩矩阵补全问题作为一类在机器学习和图像处理等信息科学领域中都十分重要的问题已被广泛研究.一阶原始-对偶算法是求解该问题的经典算法之一.然而实际应用中处理的数据往往是大规模的.针对大规模矩阵补全问题,本文在原始-对偶算法的框架下,应用变步长校正技术,提出了一种改进的求解矩阵补全问题的原始-对偶算法.该算法在每一步迭代过程中,首先利用原始-对偶算法对原始变量和对偶变量进行更新,然后采用变步长校正技术对这两块变量进行进一步的校正更新.在一定的假设条件下,证明了新算法的全局收敛性.最后通过求解随机低秩矩阵补全问题及图像修复的实例验证新算法的有效性.     

分布鲁棒机会约束优化问题的研究

机会约束作为求解随机优化问题的重要方法之一,在金融、工程、管理等领域均有着广泛的应用.随着实际问题呈现越来越复杂的不确定性状态,随机变量分布的准确信息难以预测,分布鲁棒机会约束作为有效求解随机变量信息模糊(不完备)下的随机优化问题被提出.近几年,研究者们不断提出分布鲁棒机会约束新的模型理论和算法.现总结了求解不同类型分布鲁棒机会约束问题的建模、模型求解、算法及应用的新进展.     

基于核的L_(2,1)范数非负矩阵分解在图像聚类中的应用

本文研究了基于核技巧的L_(2,1)范数非负矩阵分解在图像聚类中的问题.利用基于核的稀疏鲁棒非负矩阵分解方法,获得了算法良好的稀疏性和鲁棒性,提高了聚类性能,该方法也可以推广到文本聚类的应用.     

基于小波与齐次Besov空间的图像分割算法

从具有全局最优解的几何活动轮廓方法出发,分别提出了两种基于齐次Besov窄间与小波变换的图像分割算法,并给出了解的存在性证明.数值求解利用小波软阈值以及分裂Bregman方法,能够有效提高计算效率.由于小波变换具有多分辨特性,对于包含较多细节信息的图像,采用新算法能够得到更好的分割效果.数值实验表明采用新算法能够获得较...     

测地线活动轮廓模型的图像分割快速算法

从最优化理论的角度来看,目前求解图像分割的测地线活动轮廓(geodesic active contour,GAC)模型大多采用固定步长的最速下降算法.而众所周知,该算法收敛速度较慢,这在能量泛函的梯度较小时尤为明显.对求解GAC模型的快速算法进行了研究.首先,回顾了GAC模型的演化方程;随后,将共轭梯度(conjugate gradient,CG)算法引入到GAC模型的求解中,形成一种新的求解图像分割问题的数值方法,即GAC模型的CG算法;最后,通过试验对比传统的数值方法,表明CG算法具有良好的收敛性.     

求解低秩矩阵恢复问题的非单调交替梯度方向法

低秩矩阵恢复问题作为一类在图像处理和信号数据分析等领域中都十分重要的问题已被广泛研究.本文在交替方向算法的框架下,应用非单调技术,提出一种求解低秩矩阵恢复问题的新算法.该算法在每一步迭代过程中,首先利用一步带有变步长梯度算法同时更新低秩部分的两块变量,然后采用非单调技术更新稀疏部分的变量.在一定的假设条件下,本文证明了...     

基于小波边缘刻画与LBF水平集变分模型的图像分割

本文研究了基于水平集的图像分割的问题.利用小波变换的方法,构造出图像边缘刻画函数,引入到LBF水平集分割变分模型中,获得了基于小波变换的WLBF模型,同时给出了WLBF模型的数值求解算法.针对不同情景下的典型灰度图像,给出了图像分割实例,推广了LBF模型及算法,实验结果证明WLBF模型及算法对图像分割的有效性.     

分类稀疏低秩表示的子空间聚类方法

近年来低秩表示和稀疏表示用于子空间聚类的研究得到了广泛关注,文献中已有许多相关的子空间聚类方法.文章结合弹性网正则化低秩表示和分类稀疏表示,提出一种分类稀疏低秩表示的子空间聚类方法.方法旨在更充分地捕获数据集的局部线性结构和全局结构信息,提高聚类性能.首先采用并行分裂的自适应惩罚的线性交替方向法求解模型,然后利用求得的系数矩阵构造相似度矩阵,最后应用谱聚类方法进行聚类.另外,取代现有方法手动调节正则化参数,文章采用自适应调节正则化参数确定目标函数中各项的权重.在人工数据集、Extended Yale B数据库和CMU PIE数据库上的实验结果表明,文章方法有更明显的聚类效果和更高的准确率.     

非线性随机时滞系统的时滞反馈鲁棒H∞控制

本文研究了具有变时滞的非线性随机时滞系统的时滞反馈鲁棒H∞控制问题.利用时滞分割技术,构造了新的Lyapunov-Krasovskii泛函,通过Ito公式,以线性矩阵不等式(LMI)的形式给出了时滞反馈鲁棒H∞控制器存在的充分条件,通过数值仿真算例说明了结论的正确性和方法的有效性.     

不确定离散时间马尔可夫跳变模糊系统鲁棒H∞控制

讨论不确定离散时间马尔可夫跳变模糊系统(MJFS)的鲁棒H∞控制。首先,本文给出了能够保证系统鲁棒稳定且具有H∞鲁棒度的一个充分条件。然后采用并行分布补偿算法,将系统鲁棒H∞控制控制器的设计转化成为了一组线性矩阵不等式的求解问题,方便使用Matlab求解。最后的仿真结果表明,本文所提出的方法是有效的。     

图的最大二等分问题的低秩可行方向算法

基于图的最大二等分问题的半定规划松弛模型,利用矩阵的低秩分解技巧,给出了该问题的半定规划松弛的一种低秩可行方向算法.在一定的条件下,证明了算法的收敛性.结合0.699随机扰动方法得到原问题的近似最优解.数值实验表明该方法能有效地求解图的最大二等分问题.     

一类具混合时滞随机神经网络稳定性的推广与应用

将一类具有混合时滞随机神经网络均方渐近稳定的判据推广到不确定神经网络的鲁棒稳定性,所导出的判据都表示为线性矩阵不等式(LMI)的形式,可通过使用一些标准的数值方法求解.最后给出了一个简单的例子说明所提出的判定条件的有效性和可应用性.