A generalized nonconvex algorithm framework for low-rank and sparse matrix decomposition

The low-rank and sparse matrix decomposition problem is a hot and challenging problem in computer science. In this paper, we consider it as a nonconvex relaxation optimization problem by using a family of nonconvex functions to approximate the rank function and the -norm in low-rank and sparse matri...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Applied intelligence (Dordrecht, Netherlands) Jg. 55; H. 16; S. 1085
Hauptverfasser:	Cui, Angang, Zhang, Lijun, He, Haizhen, Xue, Shengli
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	New York Springer US 01.11.2025 Springer Nature B.V
Schlagworte:	Adaptive algorithms Algorithms Approximation Artificial Intelligence Computer Science Decomposition Machines Manufacturing Mechanical Engineering Optimization Parameters Processes Regularization Sparse matrices Sparsity Nonconvex algorithm framework Nonconvex function regularization Reneralized low-rank and sparse matrix decomposition problem Low-rank and sparse matrix decomposition
ISSN:	0924-669X, 1573-7497
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!