×

ADMiRA公司

swMATH ID: 31664
软件作者: Lee,Kiryung;约拉姆·布雷斯勒
描述: ADMiRA:最小秩近似的原子分解。本文讨论低秩矩阵的压缩感知,将逆问题视为具有特定目标秩解的近似问题。然后对目标秩进行简单搜索,得到满足指定数据近似界的最小秩解。我们提出了一种原子分解,提供了稀疏向量和低秩矩阵的简约表示之间的类比,并将高效贪婪算法从向量扩展到矩阵情况。特别是,我们提出了一种有效且有保证的算法,称为最小秩近似原子分解(ADMiRA),该算法将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况。性能保证是根据秩限制等距性(R-RIP)给出的,并对噪声测量和近似低秩解的一般情况下近似解的迭代次数和误差进行了界。与矩阵补全问题中的稀疏测量算子一样,ADMiRA中的计算在测量次数上是线性的。矩阵补全问题的数值实验表明,尽管R-RIP在这种情况下不满足要求,但ADMiRA是一种具有竞争力的矩阵补全算法。
主页: https://ieeexplore.ieee.org/document/5550497
相关软件: CoSaMP公司;LMaFit公司;PROPACK公司;softImpute软件;相位提升;Wirter流量;RTRMC公司;SDPLR公司;光学空间;水母;SDPT3系统;PDCO公司;SPGL1型;Eigentaste公司;CVX公司;SeDuMi公司;ElemStatLearn(电子状态学习);马诺普特;github;红色工具箱
引用于: 35文件
全部的 前5名

87位作者引用

魏,柯
2 约拉姆·布雷斯勒
2 蔡建峰
2 沃尔坎·塞弗尔
2 Chan、Tony Fan-Cheong
2 理查德·昆
2 凯里里迪斯、阿纳斯塔西奥斯
2 李基荣
2 梁成玉
2 李,宋
2 迪安娜·尼德尔
2 霍尔格·劳胡特
2 Jared W.Tanner。
2 乌尔里希·特施蒂格
1 Absil,Pierre-Antoine公司
1 亨利·亚当斯
1 斯特凡妮娅·贝拉维亚
1 杰弗里·布兰查德。
1 西尔维尔·博纳贝尔
1 尼古拉斯·博马尔
1 鲍曼,蒂埃里
1 蔡云
1 君士坦丁·卡拉马尼斯
1 陈德荣
1 陈玉新
1 池跃杰
1 戴冉
1 哈桑·达武尔库
1 宣荣道安
1 尤妮娜·查纳·埃尔达
1 范伟
1 耿、胡安
1 吉瑞斯,拉贾
1 唐纳德·戈德法布
1 雅塞克·冈齐奥
1 帕特里克·赫亚斯
1 塞德里克·赫泽特
1 黄,魏
1 黄正海
1 萨吉德·贾维德
1 金、郑芬
1 郑顺基
1 玛丽亚·卡巴纳瓦
1 劳拉·卡斯布
1 姆拉丹·科拉尔
1 赖明军
1 林俊宏
1 刘璐
1 刘、辛
1 陆兆松
1 马聪
1 马世谦
1 雅库布·马雷切克
1 梅耶,吉尔
1 巴姆德夫·米什拉
1 朴多铉
1 计划,亚诺夫
1 玛格丽塔·波塞利
1 彼得·里奇塔里克
1 苏贾·桑哈维
1 鲁道夫·J·塞普尔赫里。
1 沈、袁
1 安德鲁斯·索布拉尔
1 孙创创
1 塔卡奇,马丁
1 安德鲁·汤普森
1 汤姆,蒂勒
1 赫曼特·泰吉
1 西蒙·瓦里
1 斯蒂芬·瓦瓦西斯。
1 万中平
1 王建军
1 王凯正
1 王来生
1 王文东
1 王燕飞
1 王,郑
1 Wen,Zaiwen先生
1 肖云海
1 杨磊
1 叶洁平
1 尹沃涛
1 于明
1 伊勒哈迪·扎扎
1 张敏
1 张茵
1 赵晓科

按年份列出的引文