郑秀云
- 作品数：6 被引量：93H指数：3
- 供职机构：西安建筑科技大学理学院更多>>
- 发文基金：国家自然科学基金陕西省教育厅科研计划项目陕西省自然科学基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- Armijo型线搜索下的全局收敛共轭梯度法被引量：3
- 2017年
- 通过修正搜索方向,提出了一个具有充分下降的共轭梯度法用于求解无约束优化问题。该算法不依赖于任何线搜索,在每次迭代都能产生一个充分下降方向。在一定条件下,证明了此算法在Armijo线性搜索下的全局收敛性。数值实验结果表明所提出的算法是有效的。
- 郑秀云史加荣
- 关键词：共轭梯度法ARMIJO线搜索充分下降性全局收敛性
- 多线性鲁棒主成分分析被引量：7
- 2014年
- 鲁棒主成分分析(RPCA)是恢复低秩与稀疏成分的一种非常有效的方法.本文将RPCA推广到张量情形,提出了多线性鲁棒主成分分析(MRPCA)框架.首先建立了MRPCA模型,即最小化张量核范数与l1范数的加权组合.然后使用增广拉格朗日乘子法求解上述张量核范数优化问题.实验结果证实:对于具有多线性结构的数据,MRPCA比RPCA更加鲁棒.
- 史加荣周水生郑秀云
- 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被引量：3
- 2015年
- 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。
- 史加荣郑秀云杨威
- 低秩矩阵恢复算法综述被引量：72
- 2013年
- 将鲁棒主成分分析、矩阵补全和低秩表示统称为低秩矩阵恢复,并对近年来出现的低秩矩阵恢复算法进行了简要的综述。讨论了鲁棒主成分分析的各种优化模型及相应的迭代算法,分析了矩阵补全问题及求解它的不精确增广拉格朗日乘子算法,介绍了低秩表示的优化模型及求解算法。最后指出了有待进一步研究的问题。
- 史加荣郑秀云魏宗田杨威
- 矩阵补全算法研究进展被引量：14
- 2014年
- 作为压缩感知理论的重要发展,矩阵补全与恢复已成为信号与图像处理的一种新的强有力的工具。综述了矩阵补全算法的最新研究进展。首先分析了核范数最小化模型的几种主要的矩阵补全算法,并对这些算法的迭代过程及原理进行了详细的阐述。其次讨论了矩阵补全的低秩矩阵分解模型,并列出了近年来出现的求解此模型的新算法。然后补充了上述两种模型的衍生版本,指出了相应的求解方法。在数值实验中,对文中所讨论的主要矩阵补全算法的性能进行了比较。最后给出了矩阵补全算法的未来研究方向及重点。
- 史加荣郑秀云周水生
- 关键词：压缩感知
