报告人：黎稳 教授
报告题目：Tensor Non-convex Low-rank Regularization Approximation Model for Robust Principal Component Analysis
主持人：徐玮玮 教授
报告时间：2022年3月4日10:00-11:00
报告地点：腾讯会议（ID: 325-490-875）
欢迎广大师生聆听！
报告摘要：
In this talk, we explore a non-convex low-rank regularization approximation model for robust principal component analysis, which minimizes a weighted combination of non-convex tensor rank approximation function and the weighted lp -norm to attain a tighter approximation. The proposed non-convex optimization model can be solved efficiently by the alternating direction method of multipliers . The convergent analysis is also discussed. Numerical experiments for both image recovery and surveillance video background modeling demonstrate the effectiveness of the proposed method.
报告人简介：
黎稳，华南师范大学二级教授，博士生导师。主要研究方向为数值代数及其应用。主持五项国家自然科学基金面上项目。在著名学术刊物 《Numer Math》、《SIAM J Optim》、《SIAM J Matrix Anal Appl》、《SIAM J Imaging Sci》、《J Sci Comput》和《Pattern Recognition》等发表学术论文多篇。研究成果《数值代数中若干问题研究》和《结构张量的理论、计算与应用》分别于2012 和 2021 以第一完成人身份获广东省科学技术奖自然科学奖二等奖。
数学与统计学院
2022年2月28日
