RPCA原理初探
设PCA和RPCA从名字看是有一些相似性的，两者的区别在于对于误差的假设不同，PCA假设数据误差是服从高斯分布的，即数据噪声较小；RPCA假设数据噪声是稀疏的，并且可能是强的噪声 1-范数（列和范数） 将矩阵沿列方向取绝对值求和，然后擢选出数值最大的那个值作为1-范数。 假设：原有数据具有良好的数据结构即是低秩的，且只有很少一部分元素被噪声污染，即噪声是稀疏的。 设带分解矩阵为X,原有数据矩阵为A
相关文章
- 1. 初探selenium3原理
- 2. vue.js原理初探
- 3. https原理初探
- 4. Robotium原理初探
- 5. Kafka 原理初探
- 6. HDFS原理初探
- 7. Spring原理初探
- 8. 换装原理初探
- 9. Kudu设计原理初探
- 10. 压缩原理初探
- 更多相关文章...
- • MyBatis的工作原理 - MyBatis教程
- • BASE原理与最终一致性 - NoSQL教程
- • ☆技术问答集锦（13）Java Instrument原理
- • Java Agent入门实战（三）-JVM Attach原理与使用
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 初探selenium3原理
- 2. vue.js原理初探
- 3. https原理初探
- 4. Robotium原理初探
- 5. Kafka 原理初探
- 6. HDFS原理初探
- 7. Spring原理初探
- 8. 换装原理初探
- 9. Kudu设计原理初探
- 10. 压缩原理初探