1、Abstract
RPCA是低秩矩阵恢复的general的模型框架， 在某些假设下它能够以很大的概率很好地恢复原矩阵潜在的低秩矩阵（the underlying true low rank matrix）的，然而，实际应用中这些假设并不一定成立 。在RPCA中核范数是通过将奇异值加和来逼近矩阵的秩的，即相当于求奇异值的RPCA是低秩矩阵恢复的general的模型框架， 在某些
阅读背景：
视频前背景分离论文之（5） Robust PCA via Nonconvex Rank Approximation
来源：互联网
分享到：
