.png){kind=icon}
返回
A two-sided randomized algorithm for low-rank quaternion matrix approximation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aml.2025.109655.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
低秩四元数矩阵近似在彩色图像修复、视频压缩和人脸识别等领域具有广泛的应用。本文提出了一种双面随机化（TSR-svdQ）算法，通过低维投影来近似四元数奇异值分解（QSVD），这大大降低了计算复杂度。给出了所提算法的期望近似误差的上界。数值实验结果表明，在计算时间方面，所提算法比Liu等人（2022年）开发的随机QSVD更有效。将TSR-svdQ算法应用于彩色人脸识别问题，其识别精度更高，且比已知基于Lanczos的部分QSVD更高效。
期刊
IF:
2.8
论文数:
495
被引数:
1.1W
机构
暂无机构信息
引用论文
.png){kind=icon}
Real structure-preserving algorithms of Householder based transformations for quaternion matrices
PREAI
分享收藏PASS-EFFICIENT RANDOMIZED ALGORITHMS FOR LOW-RANK MATRIX APPROXIMATION USING ANY NUMBER OF VIEWS使用任意数量的视图进行低秩矩阵逼近的有效随机算法
OAAI
OAAI分享收藏Color Image Inpainting via Robust Pure Quaternion Matrix Completion: Error Bound and Weighted Loss基于鲁棒纯四元数矩阵补全的颜色图像修复：误差界与加权损失
OAAI
OAAI分享收藏Randomized block Krylov subspace algorithms for low-rank quaternion matrix approximations随机化分块Krylov子空间算法用于低秩四元数矩阵近似
PREAI
分享收藏分享收藏
查看更多内容