面向时序数据的矩阵分解

• 作者: 李磊 梁冰 潘嵘 蔡文学 陈康 黄晓宇
• 来源期刊: 软件学报
• 关键词: 矩阵分解 时间序列数据 概率图模型 缺失估计 低秩近似
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2262-2277
• 页数: 16页
• 字数: 11140字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004718

摘要

研究一类特殊的矩阵分解问题:对由多个对象在一组连续时间点上产生的数据构成的矩阵R,寻求把它近似地分解为两个低秩矩阵U和V的乘积,即R≈UT×V.有为数众多的时间序列分析问题都可归结为所研究问题的求解,如金融数据矩阵的因子分析、缺失交通流数据的估计等.提出了该问题的概率图模型,进而由此导出了其约束优化模型,最终给出了模型的求解算法.在不同的数据集上进行实验验证了该模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡文学	华南理工大学经济与贸易学院	46	340	10.0	16.0
2	李磊	中山大学计算机软件研究所	117	1028	16.0	29.0
3	黄晓宇	华南理工大学经济与贸易学院	18	150	5.0	12.0
5	陈康	中国电信股份有限公司广东研究院	16	297	8.0	16.0
6	潘嵘	中山大学计算机软件研究所	8	149	5.0	8.0
7	梁冰	中国电信股份有限公司广东研究院	7	26	4.0	5.0