改进的低秩张量补全算法及应用

改进的低秩张量补全算法及应用

ID:35082264

大小:6.81 MB

页数:69页

时间:2019-03-17

改进的低秩张量补全算法及应用_第1页
改进的低秩张量补全算法及应用_第2页
改进的低秩张量补全算法及应用_第3页
改进的低秩张量补全算法及应用_第4页
改进的低秩张量补全算法及应用_第5页
资源描述:

《改进的低秩张量补全算法及应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、.耗i^.襄誇:3念存;f,繁.*藻囊.、篡遞..如揣益||囊慕嚮管罵s杂?哥#繁1嘴i'^爲P.沪^掌,鮮|藻遂i義^\.;学矿\帝,.義;驚,:;I记#;聲|J養_立献;0^>-I説.!资^^靈.-璋r乂甲,.囊7、韓、^汽:%參^舊益慧插說满话.端-背驗'臀讀慧鳥誰兵苗鲜繁導f#."如‘.^苟可.端若劈心1應;讀!雜^2:裹^/骑:曇鮮遂琴琴編蠢;S攀I%谓V繁户4讀琴:.蒙議禁封早.如藻1即終#f占駐...-3.决一.;护蠢別細側蟲觀、祭.逍评;材|:U含.r;祭斗;夢;.黨;:;^J費顏:戮答''覆t#讀!某嘴陶|;^接.謀.邊谦1也#::參?皆

2、謹%為'进^磬.聲一...U啼f完\繁J-|蠢羣選麵:,繁声明本人郑重声明我所呈交的学拉论文是我个人在导师指导下进巧的研究工作及取得的硏究成果。尽我所知,隙了文中已经标明引用的内容外,本论文不包含其化个人或集体己经发表或撰写过的研究成果,也不包含本人或其他人在其它单粒已申请学化或为其它用途使用过的成果一了明确的说明。与我同工作的同志对本硏究所做的所有贡献巧己在论文中作并表巧了致谢。一。申请学位论文与资料若有不实么化,本人承担切相关责任日期;论文作者签名:灾1慎1关于学位论文使用

3、授权的说明本人完全了解西安建筑科技大学有关保留、便用学位论文的规定,目P:学校有奴保留可并向國家有关部口或机构送交学位论文的复印件和电子版,允许论文被查阅和惜阅;学校W公布学位论文的全部或部分内容,可W采用嚴印、缩印或者其它复制手段保存学位论文。(保密的论文在论文解密后应離守此规定)论文作者签名;导师签名:卷^H朋:如考叫本人攪权中"國科学技术信息硏究所、中圃学术期刊(光盘版)杂志社等单化将本学位论学位论文數踞库"之中,并迎过网络向社会公众槐供信息服务。脚藍文蜡带收录到有关后滞后:□半年;□一年;□二年发布。论文作者

4、签名;导师签名:鬥潮:Wy西安建筑科技大学硕士学位论文改进的低秩张量补全算法及应用专业:数学硕士生:刘慧梅指导老师:赵彦晖教授史加荣副教授摘要近年来,随着现代网络技术、计算机通信以及采样技术的快速发展,海量高维数据的获取变得越来越容易。在数据的获取过程中会有部分数据丢失,低秩张量补全就是根据数据集的低秩性来恢复出所有丢失的元素。虽然矩阵补全也可恢复出丢失的元素,但是当待分析的高维数据具有很复杂的结构时,用矩阵描述高维数据的结构会造成数据的维数灾难、过拟合甚至会破坏数据结构。因此,作为矩阵高阶推广的张量能够更好的描述高维数据的结构。解决张量补全问题一般采

5、用低n-秩极小化框架,可是它需要进行多次较大规模的矩阵奇异值分解,而这会造成算法具有过高的计算复杂度。且张量的n-模式秩一般都是以经验给出,这在一定程度上影响了补全效果。本文的主要工作如下:(1)简要介绍了压缩感知、低秩矩阵重建和低秩张量补全等问题的研究现状。主要围绕这些问题的模型建立、经典算法及实际应用。为了能更好的理解、解决低秩张量补全问题,介绍了有关向量、矩阵及张量的基础知识并对相关性质进行了推广。(2)综述了现有低秩张量补全问题的求解算法。国内对于低秩张量补全问题的研究还处于初级阶段,本文对现有低秩张量补全的主流算法进行了简要的理论综述,给出每个算法的优

6、缺点评价且对这些算法进行了异同点比较。这些主流算法基本上都是采用低n-秩极小化框架来解决低秩张量补全问题。(3)给出了一种改进的低秩张量补全算法。首先,补全模型为Tucker逼近并附加高斯噪声。然后,在迭代更新过程中采用瘦的QR分解代替奇异值分解。最后,把改进的低秩张量补全算法在多种数据集上进行性能验证,并与经典的快速低秩张量补全算法和高精度低秩张量补全算法在相对平方误差和运行时间这两个指标上进行比较。大量实验显示改进的低秩张量补全算法具有较好的性能。(4)给出了低秩张量全贝叶斯CP分解算法。对于现有低秩张量补全算法的求西安建筑科技大学硕士学位论文解大体上采用低

7、n-秩极小化框架,可是低n-秩极小化框架的显著缺陷就是n-模式秩一般是依经验给出而不是通过秩自学习选取最优,这在一定程度上会影响补全结果。而低秩张量全贝叶斯CP分解算法采用有关贝叶斯概率理论来解决低秩张量补全问题,此算法的一大亮点是张量的秩不再由人工设定而是通过自学习选取。关键词:压缩感知,矩阵补全,低秩张量补全,QR分解,改进的低秩张量补全,低秩张量贝叶斯CP分解西安建筑科技大学硕士学位论文ImprovedLowRankTensorCompletionAlgorithmandApplicationsSpccialty:MathematicsName:Huime

8、iLiuInstruct

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。