×
董正山;陈建丽;朱文兴

基于矩阵硬阈值法的矩阵秩最小化同伦方法。 （英语） 兹比尔1442.65080

数字。代数控制优化。 9，第2期，211-224（2019）.
摘要：基于矩阵硬阈值方法，提出了一种求解矩阵秩最小化问题的同伦方法。该方法迭代求解一系列正则化子问题，其解由矩阵硬阈值算子以封闭形式给出。在一些温和的假设下，证明了该方法的收敛性。该方法不依赖于精确秩值的先验知识。数值实验表明，所提出的同伦方法减弱了正则化参数选择的影响，比现有的最新方法更有效。

MSC公司：

65层99 数值线性代数
15A29号 线性代数中的反问题
90C27型 组合优化

关键词：

矩阵秩最小化;矩阵完成;迭代硬阈值法;硬阈值算子;同伦方法

软件：

LMa拟合
PDF格式BibTeX公司 XML格式引用
\textit{Z.Dong}等人，数字。代数控制优化。9，第2号，211-224（2019；Zbl 1442.65080）
全文： DOI程序

参考文献：

[1] J.D.Blanchard；J.Tanner；K.Wei，CGIHT：压缩感知和矩阵完成的共轭梯度迭代硬阈值，信息和推断：IMA杂志，4289-327（2014）·Zbl 1380.94045号 ·doi:10.1093/imaiai/iav011
[2] T.Blumensath；M.E.Davies，稀疏近似的迭代阈值法，《构造近似杂志》，14629-654（2008）·Zbl 1175.94060号 ·doi:10.1007/s00041-008-9035-z
[3] T.Blumensath；M.E.Davies，《标准化迭代硬阈值：保证稳定性和性能》，IEEE信号处理选定主题期刊，4298-309（2010）
[4] E.J.坎迪斯；B.Recht，通过凸优化实现精确矩阵补全，计算数学基础，9717-772（2009）·Zbl 1219.90124号 ·doi:10.1007/s10208-009-9045-5
[5] E.J.Candès；T.Tao，《凸松弛的力量：近似最优矩阵完备》，IEEE信息论汇刊，56/22053-1080（2009）·Zbl 1366.15021号 ·doi:10.1109/TIT.2010.2044061
[6] M.Fazel；H.印地语；S.Boyd，秩最小化及其在系统理论中的应用，《美国控制会议论文集》，4 3273-3278（2004）
[7] M.Fazel；T.K.Pong；D.Sun；P.Tseng，Hankel矩阵秩最小化及其在系统识别和实现中的应用，SIAM矩阵分析与应用杂志，34，946-977（2013）·Zbl 1302.90127号 ·doi:10.1137/110853996
[8] D.Goldfarb；S.Ma，矩阵秩最小化不动点连续算法的收敛性，计算数学基础，11，183-210（2011）·Zbl 1219.90195号 ·doi:10.1007/s10208-011-9084-6
[9] J.P.Haldar；D.Hernando，使用幂分解的线性矩阵方程的秩约束解，IEEE信号处理快报，16，584-587（2009）
[10] N.J.A.Harvey，D.R.Karger和S.Yekhanin，矩阵完成的复杂性，第17届ACM-SIAM离散算法年会论文集，（2006），1103-1111·Zbl 1192.68322号
[11] A.Kyrillidis和V.Cevher，Martix ALPS：加速低秩和稀疏矩阵重建，技术报告，2012年。
[12] A.Kyrillidis；V.Cevher，Martix recips for hard thresholding methods，《数学成像与视觉杂志》，48，235-265（2014）·Zbl 1311.90141号 ·doi:10.1007/s10851-013-0434-7
[13] Y.Liu，J.Tao，H.Zhang，X.Xu and L.Kong，Fused LASSO惩罚高维线性回归的最小绝对偏差估计量，《数值代数，控制与优化》，8（2018），97-117·Zbl 1461.62021号
[14] 刘总；L.Vandenberghe，核范数逼近的内点方法及其在系统辨识中的应用，SIAM矩阵分析与应用杂志，311235-1256（2009）·Zbl 1201.90151号 ·数字对象标识代码：10.1137/090755436
[15] C.Lu，J.Tang，S.Yan和Z.Lin，广义非凸非光滑低阶极小化，IEEE计算机视觉和模式识别会议，2014年。
[16] Z.Lu，（l_0）正则化凸锥规划的迭代硬阈值方法，数学规划，147，125-154（2014）·兹比尔1308.65094 ·doi:10.1007/s10107-013-0714-4
[17] Z.Lu；Y.Zhang，秩最小化的惩罚分解方法，优化方法和软件，30，531-558（2015）·Zbl 1323.65070号 ·doi:10.1080/10556788.2014.936438
[18] S.Ma；D.Goldfarb；L.Chen，矩阵秩最小化的不动点和bregman迭代方法，数学规划，128，321-353（2011）·Zbl 1221.65146号 ·doi:10.1007/s10107-009-0306-5
[19] K.Mohan和M.Fazel，《重新加权核规范最小化及其在系统识别中的应用》，《美国控制会议论文集》，2010年。
[20] K.Mohan；M.Fazel，矩阵秩最小化的迭代重加权算法，《机器学习研究杂志》，13，3441-3473（2012）·Zbl 1436.65055号
[21] B.Recht；M.Fazel；P.A.Parrilo，通过核范数最小化保证线性矩阵方程的最小秩解，SIAM Review，52，471-501（2010）·Zbl 1198.90321号 ·数字对象标识代码：10.1137/070697835
[22] J.Tanner和K.Wei，矩阵完成的标准化迭代硬阈值，SIAM科学计算杂志，35（2013），S104-S125·Zbl 1282.65043号
[23] Z.Wen；W.Yin；Y.Zhang，用非线性连续过松弛算法求解矩阵补全的低阶因式分解模型，数学规划计算，4333-361（2012）·Zbl 1271.65083号 ·doi:10.1007/s12532-012-0044-1
[24] Z.Weng和X.Wang，阵列信号处理的低秩矩阵补全，IEEE语音和信号处理国际会议，（2012），2697-2700。
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。