不完全鲁棒主成分分析的正则化方法及其在背景建模中的应用
来源：计算机应用杂志2015年第10期北京时间：
作者：史加荣, 郑秀云, 杨威
单位：西安建筑科技大学 理学院, 西安 710055
摘要：针对现有的鲁棒主成分分析(RPCA)方法忽略序列数据的连续性及不完整性的情况,提出了一种低秩矩阵恢复模型——正则化不完全鲁棒主成分分析(RIRPCA)。首先基于序列数据连续性的度量函数建立了RIRPCA模型,即最小化矩阵核范数、L1范数和正则项的加权组合;然后使用增广拉格朗日乘子法来求解所提出的凸优化模型, 此算法具有良好的可扩展性和较低的计算复杂度;最后,将RIRPCA应用到视频背景建模中。实验结果表明,RIRPCA比矩阵补全和不完全RPCA等方法在恢复丢失元素和分离前景上具有优越性。
关键词：鲁棒主成分分析,低秩矩阵恢复,背景建模,核范数最小化,增广拉格朗日乘子法
基金资助：国家自然科学基金资助项目(61403298,11401457);陕西省自然科学基础研究计划项目(2014JQ8323,2014JQ1019);陕西省教育厅专项科研计划项目(2013JK0587)。
