通过随机排序的交替方向乘子法的矩阵恢复

为了解决交替方向乘子法（ADMM）在求解广义的鲁棒主成分分析（G-RPCA）模型时结果不收敛的问题，提出用随机排序的交替方向乘子法（RP-ADMM）来求解这一模型，并且通过数值模拟和实例验证证明了该算法的有效性。结果表明，该算法求解G-RPCA模型较目前已有的算法速度更快、鲁棒性更高；在处理同时被稀疏大噪声和稠密小噪声污染的图片时，能较理想地分离出图像的低秩部分、大噪声部分和小噪声部分。