简介:本文介绍了一种在线递归投影稀疏矩阵恢复(ReProSMR)算法矩阵时间序列Mt等于稀疏矩阵序列St与非稀疏矩阵序列Lt之和,其中Lt在低维张量空间内随时间缓慢变化ReProSMR算法实时地将观测矩阵Mt分解为非稀疏矩阵Lt和稀疏矩阵StReProSMR算法的一个典型应用场景为监控视频动态背景建模,监控视频的每一帧图像的背景部分由于具有很强的相似性而构成低秩部分,而少量的运动目标构成视频的前景则对应于稀疏部分ReProSMR算法对图像序列进行矩阵低秩稀疏分解,便可成功地将静止的背景和活动的前景分开,从而实现背景动态建模和运动前景识别。ReProSMR算法是递归投影压缩传感(ReProCS)算法引入张量主成分分析后的改进算法实验结果表明,ReProSMR算法的计算效率显著高于ReProCS算法。
简介:摘要 由于矩阵的初等变换和初等矩阵都有“初等”二字,所以非常容易将二者混为一谈.此文的目的在于解释这两个概念的区别,同时也介绍它们的关系.在对矩阵进行运算时,我们可对其进行类似于行列式的行(列)变换或数乘运算等,即矩阵的初等变换.为了搞清楚变换后的矩阵所具有的特性,也为了说明矩阵的初等变换的意义,我们引入初等矩阵的概念.其实初等矩阵就是单位矩阵经矩阵的初等变换后所得的矩阵.具体内容见下文简述.
简介:Inthispaper,theconceptofthes-doublydiagonallydominantmatricesisintroducedandthepropertiesofthesematricesarediscussed.Withthepropertiesofthes-doublydiagonallydominantmatricesandthepropertiesofcomparisonmatrices,someequivalentconditionsforH-matricesarepresented.TheseconditionsgeneralizeandimproveexistingresultsabouttheequivalentconditionsforH-matrices.Applicationsandexamplesusingthesenewequivalentconditionsarealsopresented,andanewinclusionregionofk-multipleeigenvaluesofmatricesisobtained.