基于l_P范数的非凸低秩张量最小化
Nonconvex Low-Rank Tensor Minimization Based on l_P Norm作者机构：福州大学数学与计算机科学学院
出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)
年 卷 期：2019年第32卷第6期
页 面：494-503页
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金项目(No.61877010,11501114) 福建省自然科学基金项目(No.2016J01295,2016J05155,2018J01796)资助~~
主 题：低秩张量恢复 非凸惩罚函数 lp范数 迭代加权核范数算法(IRNN)
摘 要：在低秩矩阵、张量最小化问题中,凸函数容易求得最优解,而非凸函数可以得到更低秩的局部解.文中基于非凸替换函数的低秩张量恢复问题,提出基于lp 范数的非凸张量模型.采用迭代加权核范数算法求解模型,实现低秩张量最小化.在合成数据和真实图像上的大量实验验证文中方法的恢复性能.
维普期刊数据库
同方期刊数据库