上将

最小秩近似的原子分解。在本文中，我们处理低秩矩阵的压缩感知，将反问题作为一个具有指定目标秩的逼近问题。然后对目标秩进行简单搜索，得到满足给定数据近似界的最小秩解。我们提出了一种原子分解，在稀疏向量和低秩矩阵的简约表示之间提供了一种类比，并将有效的贪婪算法从向量扩展到矩阵情形。特别地，我们提出了一种高效且有保证的最小秩近似原子分解算法，它将Needell和Tropp的压缩采样匹配追踪（CoSaMP）算法从稀疏向量扩展到低秩矩阵情形。利用秩受限等距性（R-RIP）给出了性能保证，并对一般噪声测量和近似低秩解的近似解的迭代次数和误差进行了限定。在矩阵完备问题中，使用稀疏测量算子，ADMiRA中的计算在测量数量上是线性的。对矩阵完备化问题的数值实验表明，虽然R-RIP在这种情况下并不满足，但ADMINRA是一种竞争性的矩阵补全算法。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献，2标准条款)

显示第1到第31个结果。
按年份排序(引用)
  1. 隐式矩阵反演；隐式梯度反演；YUEXIN，Yuxin，2020；隐式矩阵反演；YUEXIN，YUEXIN，2020
  2. 沈元；刘欣：矩阵完备问题的交替极小化方法（2020）
  3. 蒂勒，汤姆；吉瑞斯，拉贾：从低维线性子空间的联合信号泛化CoSaMP（2020）
  4. 魏克；蔡建峰；陈东辉；梁新宇：低秩矩阵完备的黎曼优化保证（2020）
  5. Yu，Ming；Gupta，Varun；Kolar，Mladen:同步低秩和双向稀疏系数矩阵的恢复，非凸方法（2020）
  6. Park，Dohyung；Kyrillidis，Anastasios；Caramanis，Constantine；Sanghavi，Sujay：通过非凸矩阵分解，有效且可证明的低秩解（2018年）
  7. Wang，Wendong；Wang，Jianjun:使用修正的二阶全变差增强矩阵完成（2018）
  8. Bouwmans，Thierry；Sobral，Andrews；Javed，Sajid；Jung，Soon-Ki；Zahzah，El-Hadi：用于背景/前景分离的低秩加加法矩阵分解：大型数据集的比较评估综述（2017）
  9. Kueng，Richard；Rauhut，Holger；Terstiege，Ulrich：从秩1测量中恢复低秩矩阵（2017）
  10. Mareček，Jakub；Richtárik，Peter；Takác，Martin:区间不确定性下的矩阵完备化（2017）
  11. 孙创创；戴冉：秩约束优化及其应用（2017）
  12. Kabanava，Maryia；Kueng，Richard；Rahut，Holger；Terstiege，Ulrich:通过零空间属性实现稳定的低秩矩阵恢复（2016）
  13. Wei，Ke；Cai，Jian Feng；Chan，Tony F.；Leung，Shingyu:低秩矩阵恢复的黎曼优化保证（2016）
  14. Blanchard，Jeffrey D.；Tanner，Jared；Wei，Ke:CGIHT：压缩传感和矩阵完成的共轭梯度迭代硬阈值法（2015）
  15. Boumal，Nicolas；Absil，P.-A.：Grassmann流形上通过预处理优化实现的低秩矩阵完备化（2015）
  16. 蔡云；李，宋：Schatten-（p）非凸矩阵恢复的投影梯度下降收敛性分析（2015）
  17. 耿娟；王来生；王燕飞：一个基于DC规划和DCA的矩阵完备化非凸算法框架（2015）
  18. 金正芬；万中平；赵晓科；肖云海：仿射约束秩极小化问题的罚分解方法（2015）
  19. 王，郑；赖明军；陆，肇松；范，卫；达武尔库，哈桑；叶洁平：低秩矩阵完成的正交秩一矩阵追求（2015）
  20. 张敏；杨磊；黄正海：基于迭代硬阈值的最小（n）秩逼近（2015）