×
宋子豪;徐向建;郑哲;赵卫华

基于奇异值因子的低输卵管秩张量补全。 （英语） Zbl 07699195号

国际期刊计算。数学。 100，编号2，342-360（2023）.
摘要：受张量传感器乘积和张量管秩定义的启发，本文提出了张量的随机奇异值分解。基于张量奇异值分解和张量随机奇异值分解，我们得到了两种求解张量完备问题的有效算法。我们还提出了自适应秩法来调整张量的输卵管秩。基于随机投影的t-RSVD的主要优点是在考虑大规模问题时减少了计算时间。在优化过程中，采用交替极小化算法求解张量补全问题。最后，数值实验结果表明，t-RSVD比t-SVD具有竞争性，并且消耗的时间更少。通过图像和视频恢复，验证了我们方法的有效性和可行性。

MSC公司：

65传真 数值线性代数
15甲18 特征值、奇异值和特征向量
15A69号 多线性代数，张量演算

关键词：

张量补全;随机投影;随机算法;输卵管秩;离散傅里叶变换;张量随机奇异值分解
PDF格式BibTeX公司 XML格式引用
\textit{Z.Song}等人，《国际计算杂志》。数学。100，编号2342--360（2023；兹bl 07699195）
全文： DOI程序

参考文献：

[1] Bengua，J.A。；Phien，H.N。；Tuan，H.D。；Do，M.N.，《彩色图像和视频恢复的高效张量补全：低阶张量序列》，IEEE Trans。图像。工艺。，26, 5, 2466-2479 (2017) ·Zbl 1409.94036号
[2] Braman，K.，作为矩阵空间上线性算子的三阶张量，线性代数应用。，433, 1241-1253 (2010) ·Zbl 1198.15017号
[3] 蔡J.-F。；坎迪斯，E.J。；Shen，Z.，矩阵补全的奇异值阈值算法，SIAM J.Optim。，20, 4, 1956-1982 (2010) ·Zbl 1201.90155号
[4] 坎迪斯，E.J。；Recht，B.，通过凸优化实现精确矩阵补全，Found。计算。数学。，9, 6, 717-772 (2009) ·Zbl 1219.90124号
[5] 丁，M。；黄，T.-Z。；纪天勇。；赵晓乐。；Yang，J.-H.，基于张量列秩和总变差的矩阵分解的低秩张量补全，J.Sci。计算。，81, 2, 941-964 (2019) ·兹比尔1466.94005
[6] Drineas出版社。；Mahoney，M.W.，奇异值分解基于张量的推广的随机算法，线性代数。申请。，420, 2-3, 553-571 (2007) ·Zbl 1108.65032号
[7] Gentle，J.，《矩阵分析与应用线性代数、数值线性代数与应用数值线性代数》，美国统计学会，96，455，1136-1137（2001）
[8] Halko，N。；Martinsson，P.G。；Tropp，J.A.，《寻找随机性结构：构建近似矩阵分解的概率算法》，SIAM Rev.，53，2，217-288（2011）·Zbl 1269.65043号
[9] 希勒，C.J。；Lim，L.-H.，大多数张量问题都是NP-hard，J.ACM，60，6，1-39（2013）·Zbl 1281.68126号
[10] 纪天勇。；黄，T.-Z。；赵晓乐。；马，T.-H。；邓，L.-J.，张量补全的非凸张量秩近似，应用。数学。型号。，48, 410-422 (2017) ·Zbl 1480.90259号
[11] Ji，T.-Y。；黄，T.-Z。；赵晓乐。；马，T.-H。；Liu，G.，使用总变差和低秩矩阵分解的张量补全，信息科学。（纽约），326243-257（2016）·Zbl 1387.94038号
[12] Ji，T.-Y。；横屋，N。；朱晓霞。；Huang，T.-Z.，多时间遥感图像修复的非局部张量补全，IEEE Trans。地质科学。远程。参议员，56，6，3047-3061（2018）
[13] Kasai，H.和Mishra，B.，Low-rank张量补全：黎曼流形预处理方法，M.Balcan，K.Q.Weinberger，eds，《第33届机器学习国际会议论文集》，2016年6月19日至24日，美国纽约市，2016年，JMLR.org，JMLR研讨会和会议论文集，第48卷，2016年。第1012-1021页。
[14] Kiers，H.，《走向多元分析中的标准化符号和术语》，J.Chemom。，14, 105-122 (2000)
[15] Kilmer，M.E。；Braman，K。；郝，N。；胡佛，R.C.，《作为矩阵算子的三阶张量：成像应用的理论和计算框架》，SIAM J.Matrix，Ana。申请。，34, 1, 148-172 (2013) ·Zbl 1269.65044号
[16] Kilmer，M.E。；Martin，C.D.，三阶张量的因式分解策略，线性代数。申请。，435, 3, 641-658 (2011) ·Zbl 1228.15009号
[17] Kilmer，M.、Martin，C.和Perrone，L.，矩阵svd作为三阶张量乘积的三阶推广，塔夫茨大学技术代表，计算机科学系，2008年。
[18] 科尔达·T·G。；Bader，B.W.，张量分解与应用，SIAM Rev.，51，3，455-500（2009）·Zbl 1173.65029号
[19] Landsberg，J.，《张量：几何与应用》（2011），美国数学学会，普罗维登斯·Zbl 1238.15013号
[20] Liu，J.、Musialski，P.、Wonka，P.和Ye，J.，估计视觉数据中缺失值的张量补全，2009年IEEE第12届计算机视觉国际会议，IEEE，2009年。
[21] 刘，B。；徐，Z。；Wu，S。；Wang，F.，多标签分类的流形正则矩阵补全，模式识别。莱特。，80, 58-63 (2016)
[22] C.D.马丁。；沙弗，R。；LaRue，B.，阶张量因式分解及其在成像中的应用，SIAM J.Sci。计算。，35、1、A474-A490（2013）·Zbl 1273.15032号
[23] Minster，R。；Saibaba，A.K。；Kilmer，M.E.，塔克格式低阶张量分解的随机算法，SIAM J.Math。数据科学。，2, 1, 189-215 (2020) ·Zbl 1484.65091号
[24] Recht，B.，《矩阵补全的更简单方法》，J.Mach。学习。研究，12，104，3413-3430（2011）·Zbl 1280.68141号
[25] 理查兹，L.E。；Jolliffe，I.T.，主成分分析，J.Mark.Res.，25，4，410（1988）
[26] 塞梅西，O。；郝，N。；基尔默，M.E。；Miller，E.L.，基于张量的公式和多能量计算机断层扫描的核规范正则化，IEEE Trans。图像。工艺。，23, 4, 1678-1693 (2014) ·Zbl 1374.94335号
[27] Tucker，L.R.，关于三模因子分析的一些数学注释，心理测量学，31，3279-311（1966）
[28] 王晓庆。；Ji，T.-Y.，NSTMR：使用张量多秩的非局部非凸代理的哨兵-2图像的超分辨率，IEEE J.Sel。顶部。申请。地球天体遥感器，14，5694-5706（2021）
[29] Xu，Y。；郝，R。；尹，W。；Su，Z.，低阶张量补全的并行矩阵分解，逆Probl成像，9，2，601-624（2015）·Zbl 1359.15021号
[30] 徐，A.-B。；Xie，D.，矩阵补全的低秩近似追踪，Mech。系统。信号。工艺。，95, 77-89 (2017)
[31] 徐，W.-H。；赵晓乐。；纪天勇。；苗俊秋。；马，T.-H。；王，S。；Huang，T.-Z.，基于拉普拉斯函数的低阶张量补全非凸代理，信号处理：图像通信。，73, 62-69 (2019)
[32] 张，Z。；Aeron，S.，使用t-SVD的精确张量补全，IEEE Trans。信号。工艺。，65, 6, 1511-1526 (2017) ·Zbl 1414.94741号
[33] Zhang，M.和Desrosiers，C.，《具有全局结构和加权核规范正则化的图像补全》，2017年国际神经网络联合会议（IJCNN），IEEE，2017年。
[34] Zhang，Z.，Ely，G.，Aeron，S.，Hao，N.和Kilmer，M.，基于张量-SVD的多线性数据补全和去噪新方法，2014年IEEE计算机视觉和模式识别会议，IEEE，2014年。
[35] 周，P。；卢，C。；林，Z。；Zhang，C.，低秩张量完备的张量因子分解，IEEE Trans。图像。工艺。，27, 3, 1152-1163 (2018) ·兹比尔1409.94796
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。