联合张量分解与异常平面抑制及其应用
摘要：在存在异常样本的情况下考虑分解低秩张量问题。这个问题在实践中非常重要，因为许多实际应用中收集的数据，如语音、荧光和一些社交网络数据，符合这种范式。之前的工作通过迭代选择固定数量的样本和拟合来解决这个问题，这个过程可能不会收敛。我们从促进群稀疏性的角度来表述这个问题，并提出一种交替优化框架来处理相应的基于$ell\_p$($0 作者：Xiao Fu and Kejun Huang and Wing-Kin Ma and Nicholas D. Sidiropoulos
and Rasmus Bro 论文ID：1507.04436 分类：Machine Learning 分类简称：stat.ML 提交时间：2023-07-19