资 源 简 介
Wright 等人[13]最近几年研究的一种从低秩矩阵恢复问题中引导出的Robust PCA，引起了很多关注，也是目前最为流行的RPCA 方法。低秩矩阵恢复本义是从带有噪声的数据中恢复出原始的低秩数据，可以看到其思想与PCA 是类似的，因为PCA 是要找到数据的低维子空间，数据中不属于低维子空间的部分即为矩阵恢复中的噪声。其具体思想为：在(1)中，不仅仅要求L0是低秩的，还要求S0是稀疏的，并且S0中的元素可以是任意大的。通过这样的假设，即使数据中存在野点，也就是个别像素的噪声十分大，RPCA 也能够将这个噪声划分到稀疏的矩阵中去，如果能够很好地解这个优化问题，那么RPCA 问题就得到了很好的一个解。
