Accelerated Alternating Projections for Robust Principal Component Analysis-东北师范大学数学与统计学院

当前位置：首页 > 学术活动 > 正文

Accelerated Alternating Projections for Robust Principal Component Analysis

时间：2018年05月22日 17:58 点击数：

报告人：蔡剑锋

报告地点：数学与统计学院108室

报告时间：2018年05月29日星期二9:30-10:30

邀请人：

报告摘要：

We study robust principal component analysis for the fully observed setting, which is about separating a low rank matrix L and a sparse matrix S from their sum D=L+S. This talk presents a new non-convex algorithm for RPCA, dubbed accelerated alternating projections, which significantly improves the computational efficiency of the existing non-convex alternating projections. Exact recovery guarantee has been established which shows linear convergence of the proposed algorithm. Empirical performance evaluations establish the advantage of our algorithm over other state-of-the-art algorithms for robust PCA.

主讲人简介：

蔡剑锋是香港科技大学数学系副教授。他于2000年本科毕业于复旦大学数学系，并于2007年在香港中文大学获数学博士学位。在2015年加入港科大之前，蔡剑锋先后在新加坡国立大学(Natioanl University of Singapore)，美国加州大学洛杉矶分校(UCLA)，以及美国爱荷华大学(University of Iowa)工作。蔡剑锋的研究兴趣为成像科学与数据科学中的算法设计和分析，主要数学工具是调和分析、逼近论、线性代数、优化、概率等，已经发表科研论文40余篇，其中有些发表在国际知名期刊，例如J. Amer. Math. Soc.，Appl. Comput. Harmon. Anal., SIAM J. Matrix Anal. & Appl., Inverse Probl., Inverse Probl. Imaging, Numer. Math等。