L1-NORM HIGHER-ORDER SINGULAR-VALUE DECOMPOSITION
L1-NORM HIGHER-ORDER SINGULAR-VALUE DECOMPOSITION
复制标题
L1-范数高阶奇异值分解
DOI：
10.1109/globalsip.2018.8646385
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Ashley Prater
中科院分区：
文献类型：
--
作者：
Panos P. Markopoulos;Dimitris G. Chachlakis;Ashley Prater
高阶奇异值分解（HOSVD）是张量TUCKER分解的一种标准算法。遗憾的是，由于其基于l2规范的公式，TUCKER分解已被证明对数据中的异常值敏感。在本文中，我们首先引入了一种基于l1范数的TUCKER分解的抗离群值变体L1-TUCKER。然后，我们提出了求解L1-TUCKER问题的一种新算法L1-HOSVD。我们的数值研究表明，与HOSVD和其他最先进的方法相比，L1-HOSVD的离群电阻。
Higher-Order Singular-Value Decomposition (HOSVD) is a standard algorithm for TUCKER decomposition of tensors. Regretfully, TUCKER decomposition has been shown to be sensitive against outliers in the data, due to its L2-norm-based formulation. In this paper, we first introduce L1-TUCKER, an outlier-resistant L1-norm-based variant of TUCKER decomposition. Then, we present L1-HOSVD, a novel algorithm for the solution of L1-TUCKER. Our numerical studies illustrate the outlier resistance of L1-HOSVD compared to HOSVD and other state-of-the-art methods.
影响因子：
20.6
作者：
Fan J;Han F;Liu H
通讯作者：
Liu H