RPCA模型基于低秩表示的运动目标检测算法(4)
时间:2018-08-21 14:26 来源:毕业论文 作者:毕业论文 点击:次
F范数(Frobenius范数)： 。 2.2 奇异值分解(Singular Value Decomposition,SVD) 2.2.1 奇异值分解 假设矩阵A是一个 的矩阵，并且rank(A)=r，U是 的矩阵，U的列是AAT的正交特征向量，V是 矩阵，V的列是ATA的正交特征向量，则存在以下奇异值分解： 其中AAT和ATA的特征值相同，都是 ， 为 的对角矩阵,其中 ，其余位置为零，并且 ，记 ， 即为矩阵A的奇异值。 (责任编辑：qin) |