BriefGPT - AI 论文速递
·
基于对数低秩张量环分解的高光谱图像融合
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该文介绍了一种可扩展且具有鲁棒性的张量分解算法，能够处理大规模张量数据的缺失值和异常值。该算法采用自适应填充缺失值和自加权最速下降方法，结合张量环模型、FGMC方法和随机子张量草图策略，大大降低了存储和计算复杂度。
🎯
关键要点
- 提出了一种可扩展且具有鲁棒性的张量分解算法。
- 该算法能够处理大规模张量数据的缺失值和异常值。
- 采用自适应填充缺失值和自加权最速下降方法。
- 结合张量环模型、快速 Gram 矩阵计算 (FGMC) 方法和随机子张量草图策略。
- 大大降低了存储和计算复杂度。
- 实验结果表明该方法在存在异常值时优于现有的张量分解方法。
- 该算法运行速度比现有的强健张量完成算法更快。
➡️
