Benutzer: Gast  Login
Originaltitel:
Robust Structured and Unstructured Low-Rank Approximation on the Grassmannian 
Übersetzter Titel:
Robuste strukturierte und unstrukturierte Niedrigrangapproximation auf der Graßmann-Mannigfaltigkeit 
Jahr:
2017 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Elektrotechnik und Informationstechnik 
Betreuer:
Diepold, Klaus (Prof. Dr.) 
Gutachter:
Diepold, Klaus (Prof. Dr.); Absil, Pierre-Antoine (Prof., Ph.D.); Kleinsteuber, Martin (Priv.-Doz. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
TU-Systematik:
DAT 001d 
Kurzfassung:
The thesis deals with low-rank approximation methods for static and temporally evolving subspaces and for additional linear structural constraints, assuming a low-rank-and-sparse data model. Algorithms for Robust PCA, Robust Subspace Tracking and Robust Structured Low-Rank Approximation are discussed, which involve optimization on the Grassmannian, the manifold of low-dimensional subspaces. A smoothed non-convex loss function is proposed to improve the sparsifying behavior compared to convex rel...    »
 
Übersetzte Kurzfassung:
Die Arbeit diskutiert Niedrigrangapproximationen für statische und veränderliche Unterräume und zusätzliche strukturelle Bedingungen, unter der Annahme der Daten als Summe einer niedrigrangigen und einer dünnbesetzten Matrix. Die diskutierten Methoden für robuste PCA, robustes Tracking von Unterräumen und robuste, strukturierte Niedrigrangapproximation verwenden Optimierung auf der Graßmann-Mannigfaltigkeit, der Menge von linearen Unterräumen. Eine geglättete, nicht-konvexe Kostenfunktion verbes...    »
 
Mündliche Prüfung:
14.07.2017 
Dateigröße:
4898062 bytes 
Seiten:
153 
Letzte Änderung:
02.10.2017