一种新的广义鲁棒主成分分析(GRPCA)算法研究及应用

为恢复被混合噪声污染的低秩矩阵，提出了一种新的广义鲁棒主成分分析（GRPCA）算法。它通过最小化核范数、1范数和2，1范数的组合问题，从观测矩阵中分离出低秩部分和混合噪声部分，并用随机排序的交替方向乘子法求解。利用本文方法进行垃圾邮件分类的实验结果表明，与经典的主成分分析（PCA）和鲁棒主成分分析（RPCA）算法相比，本文方法可以有效提高垃圾邮件分类的精确度和稳定性。