论文部分内容阅读
针对矩阵数据降维或低秩逼近问题，提出了一种快速增量算法．假设矩阵数据存在双边分解，建立了两个相互耦合的特征子空间模型，因此增量算法由两个特征子空间的迭代更新构成．每一步迭代，新载入的矩阵数据沿着行（列）特征子空间进行正交分解，从而获得了行（列）协方差矩阵更紧致的表达．一旦该表达被建立，行（列）特征子空间的更新就可以通过解一个和矩阵数据的行（列）数相比更小规模的特征值问题来完成，算法的高效率得以实现．该算法被应用到人脸图像重构和人脸跟踪问题中，一系列实验表明了算法的有效性．