Resumen

La recuperación de matrices de bajo rango (LRMR, por sus siglas en inglés) se ha convertido en una técnica cada vez más popular para analizar datos con entradas perdidas, grandes corrupciones y valores atípicos. Como componente significativo de LRMR, el modelo de representación de bajo rango (LRR) busca la representación de menor rango entre todas las muestras y es robusto para recuperar estructuras subespaciales. Este artículo trata de resolver el problema de LRR con entradas parcialmente observadas. En primer lugar, construimos una minimización no convexa teniendo en cuenta el bajo rango, la robustez y el carácter incompleto. A continuación, empleamos la técnica de los multiplicadores de Lagrange aumentados para resolver el programa propuesto. Por último, los resultados experimentales sobre conjuntos de datos sintéticos y reales validan la viabilidad y eficacia del método propuesto.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:representación de rangos, recuperación de matrices de rangos, lrmr, lrr, multiplicadores de lagrange, resultados experimentales, corrupciones brutas, rangos bajos, entradas perdidas, minimización no convexa
• Keywords:rank representation, rank matrix recovery, lrmr, lrr, lagrange multipliers, experimental results, gross corruptions, low rankness, missing entries, nonconvex minimization