10.3969/j.issn.1003-6059.2011.02.014
张量补全算法及其在人脸识别中的应用
数据丢失问题通常可以归结为矩阵补全问题,而矩阵补全是继压缩感知理论之后的又一种重要的信号获取方法.在实际应用中,数据样例往往具有多线性性,即数据集可以表示成高阶张量.本文研究了张量补全问题及其在人脸识别中的应用.基于张量的低维Tucker分解,提出张量补全的迭代算法,并且证明在算法的迭代过程中,估计张量与其Tucker逼近张量的距离是单调递减的.实验结果表明张量补全算法在补全张量和人脸识别上的可行性与有效性.
张量补全、人脸识别、数据丢失问题、矩阵补全、Tucker分解
24
TP391.4(计算技术、计算机技术)
国家973重点基础研究发展计划2006CB705707;国家863高技术研究发展计划2007AA12Z223,2007AA12Z136;国家自然科学基金60603019,60602064,60702062
2011-09-05（万方平台首次上网日期，不代表论文的发表时间）
共7页
255-261
