鲁棒主成分分析的组合方法
原文中文,约200字,阅读约需1分钟。发表于: 。我们研究了在噪声低秩且有坐标级别污染的情况下恢复高斯数据的问题。我们的主要结果是一个高效的算法,在 ks^2 = O (d) 的条件下,以接近最优的期望 Δ1 误差来恢复每个数据点。
我们研究了在噪声低秩且有坐标级别污染的情况下恢复高斯数据的问题。我们提出了一个高效的算法,可以以接近最优的误差来恢复每个数据点。
我们研究了在噪声低秩且有坐标级别污染的情况下恢复高斯数据的问题。我们的主要结果是一个高效的算法,在 ks^2 = O (d) 的条件下,以接近最优的期望 Δ1 误差来恢复每个数据点。
我们研究了在噪声低秩且有坐标级别污染的情况下恢复高斯数据的问题。我们提出了一个高效的算法,可以以接近最优的误差来恢复每个数据点。