数据缺损矩阵低秩分解的正则化方法

• 作者: 张振跃 赵科科
• 来源期刊: 中国科学（数学）
• 关键词: 数据缺损 矩阵分解 低秩逼近 正则化方法 协同过滤
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 论文
• 页码范围: 249-271
• 页数: 23页
• 语种: 中文
• DOI: 10.1360/012012-38

摘要

数据缺损下矩阵低秩逼近问题出现在许多数据处理分析与应用领域.由于极高的元素缺损率,数据缺损下的矩阵低秩逼近呈现很大的不适定性,因而寻求有效的数值算法是一个具有挑战性的课题.本文系统完整地综述了作者近期在这方面的一些研究进展,给出了基本模型问题的不适定性理论分析,提出了两种新颖的正则化方法:元素约束正则化和引导正则化,分别适用于中等程度的数据缺损和高度元素缺损的矩阵低秩逼近.本文同时也介绍了相应快速有效的数值算法.在一些实际的大规模数值例子中,这些新的正则化算法均表现出比现有其他方法都好的数值特性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张振跃		13	164	7.0	12.0
2	赵科科		1	0	0.0	0.0