论文部分内容阅读
低秩表示算法,如低秩表示（low-rank representation,LRR）、鲁棒核低秩表示（robust kernel low-rank representation,RKLRR）,在处理高维数据方面展现了广阔的应用前景;然而这些方法并不适合高阶数据,传统的低秩表示算法通常只对数据的某-特征属性进行降维.提出了基于张量分解的鲁棒核低秩表示算法（kernellow-rank representation by robust tensor decom-position,RTDKLRR）;该算法能够处理