×

基于秩零空间性质的低秩矩阵恢复。 (英语) Zbl 1408.15018号

摘要:本文首先讨论秩零空间性质(NSP)与核范数极小化之间的关系。提出了秩NSP的几种形式,即稳定秩NSP-、鲁棒秩NSP/和Frobenius鲁棒秩NSP-,并推导了它们的等价形式。同时,证明了通过核范数最小化恢复低秩矩阵时,稳定秩NSP弱于秩限制等距性(RIP)。最后,将秩NSP推广到Schatten-(q)NSP的情形,得到了Schatten-(q。

MSC公司:

15B52号 随机矩阵(代数方面)
60E05型 概率分布:一般理论
94甲12 信号理论(表征、重建、滤波等)
94A20型 信息与传播理论中的抽样理论
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] ACM SIGKDD,Netflix,KDD Cup和Workshop会议记录(2007年),会议记录可在线获取,网址:网址:http://www.cs.uic.edu/\({}^\sim\)liub/KDD-cup-2007/procesedings.html。
[2] Argyriou,A.、Evgeniou,T.和Pontil,M.,《凸面多任务特征学习》,马赫。学习73(2008)243-272·Zbl 1470.68073号
[3] Baraniuk,R.、Davenport,M.和DeVore,R.,随机矩阵限制等距性的简单证明,Constr。约28(2008)253-263·Zbl 1177.15015号
[4] Cai,T.和Zhang,A.,Sharp RIP对稀疏信号和低秩矩阵恢复的限制,应用。计算。哈蒙。分析35(1)(2013)74-93·Zbl 1310.94021号
[5] Cai,T.和Zhang,A.,多面体的稀疏表示与稀疏信号和低秩矩阵的恢复,IEEE Trans。《信息论》60(1)(2014)122-132·兹比尔1364.94114
[6] Cai,T.和Zhou,W.,通过最大范数约束优化的矩阵完备,电子。《J Stat.10》(2016)1493-1525·Zbl 1342.62091号
[7] Candès,E.和Plan,Y.,《带噪音的矩阵完成》,Proc。IEEE98(6)(2010)925-936。
[8] Candès,E.和Plan,Y.,从最少数量的噪声随机测量中恢复低秩矩阵的紧预言不等式,IEEE Trans。Inf.Theory57(4)(2011)2342-2359·Zbl 1366.90160号
[9] Candès,E.和Recht,B.,通过凸优化实现精确矩阵补全,Found。计算。数学9(6)(2009)717-772·Zbl 1219.90124号
[10] Candès,E.,Romberg,J.和Tao,T.,《鲁棒不确定性原理:从高度不完整的频率信息进行精确信号重建》,IEEE Trans。Inf.Theory52(2)(2006)489-509·Zbl 1231.94017号
[11] Candès,E.和Tao,T.,线性编程解码,IEEE Trans。Inf.Theory51(12)(2005)4203-4215·Zbl 1264.94121号
[12] Candès,E.和Tao,T.,《随机投影的近最优信号恢复:通用编码策略》,IEEE Trans。Inf.Theory52(12)(2006)5406-5425·Zbl 1309.94033号
[13] Chartrand,R.,通过非凸最小化对稀疏信号进行精确重建,IEEE信号处理。Lett.14(10)(2007)707-710。
[14] Chartrand,R.和Staneva,V.,《受限等距特性和非凸压缩传感》,《反问题》(2008)1-14·Zbl 1143.94004号
[15] Chávez-Domínguez,J.A.和Kutzarova,D.,低阶矩阵恢复的稳定性及其与Banach空间几何的联系,J.Math。分析。申请427(2015)320-335·Zbl 1331.41036号
[16] Cohen,A.、Dahmen,W.和DeVore,A.,压缩传感和最佳项近似,Amer。数学。Soc.22(1)(2009)211-231·Zbl 1206.94008号
[17] Donoho,D.,压缩传感,IEEE Trans。《Inf.Theory》52(4)(2006)1289-1306·Zbl 1288.94016号
[18] Foucart,S.和Lai,M.,通过对(0<q\leq 1)的(l_q)-最小化,欠定线性系统的最稀疏解,应用。计算。哈蒙。分析26(2009)395-407·Zbl 1171.90014号
[19] Foucart,S.和Rauhut,H.,《压缩传感的数学导论》(Springer Science(+)Business Media,纽约,2013)·Zbl 1315.94002号
[20] Gao,Y.,Peng,J.和Yue,S.,块稀疏恢复的(l_2/l_q)最小化的稳定性和鲁棒性,《信号处理》137(2017)287-297。
[21] Gao,Y.,Peng,J.,Yue,S.和Zhao,Y..关于压缩感知中(0<q\leq 1)的(l_q)-最小化的零空间性质,J.Funct。Spaces(2015),文章编号:579853,10 pp。,http://dx.doi.org/10.1155/2015/579853。 ·兹比尔1366.94099
[22] Gao,Y.,Yue,S.和Huang,Y.(0<q\leq 1)基于Weibull矩阵的基于(l_q)分析的对偶框架的稳定性,国际小波(,)多分辨率。信息流程15(1)(2017)1-15·Zbl 1371.15037号
[23] Gross,D.,Liu,Y.,Flammia,S.,Becker,S.和Eisert,J.,《压缩传感量子态层析成像》,Phys。修订稿105(15)(2010)2903-2947。
[24] 黄,D.-Y.,黄,C.-N.和胡,W.C.,利用低秩矩阵恢复进行人脸识别的协同表示分类的自适应稠密表示,国际会议高级信息网络与应用,第42卷(IEEE,2016年),第903-907页。
[25] Jhuo,I.-H.,Liu,D.,Lee,D.T.和Chang,S.-F.,具有低阶重构的鲁棒视觉域自适应,IEEE计算机视觉与模式识别(CVPR),2012年(IEEE,2012年),第2168-2175页。
[26] Keshavan,R.H.,Oh,S.和Montanari,A.,一些条目的矩阵完成,IEEE Trans。《信息论》56(6)(2010)2980-2998·Zbl 1366.62111号
[27] Lin,J.和Li,S.,矩阵秩最小化的投影Landweber迭代的收敛性,应用。计算。哈蒙。分析36(2014)316-325·Zbl 1302.65144号
[28] Liu,G.,Lin,Z.,Yan,S.,Sun,J.,Yu,Y.和Ma,Y.,通过低秩表示实现子空间结构的稳健恢复,IEEE Trans。模式分析。《机器智能》35(1)(2013)171-184。
[29] Liu,L.,Huang,W.和Chen,D.-R.,通过Schatten范数最小化的精确最小秩逼近,J.Compute。申请。数学267(2014)218-227·兹比尔1293.65056
[30] Mazumder,R.、Hastie,T.和Tibshirani,R.,学习大型不完备矩阵的谱正则化算法,J.Mach。学习。第11(11)号决议(2010)2287-2322·Zbl 1242.68237号
[31] Malek-Mohammadi,M.,Babaie-Zadeh,M.和Skoglund,M..,《Schatten-(p)低秩矩阵恢复中拟形式最小化的性能保证》,《信号处理》114(2015)225-230。
[32] Oymak,S.、Mohan,K.、Fazel,M.和Hassibi,B.,低秩矩阵恢复条件的简化方法,见Proc。IEEE国际标准。信息理论(IEEE,2011),第2318-2322页。
[33] Recht,B.、Fazel,M.和Parrilo,P.A.,通过核范数最小化保证线性矩阵方程的最小秩解,SIAM Rev.52(3)(2010)471-501·Zbl 1198.90321号
[34] Recht,B.,Xu,W.和Hassibi,B.,秩最小化的空空间条件和阈值,数学。程序。序列号。B127(2011)175-202·Zbl 1211.90172号
[35] Singer,A.和Cucuringu,M.,通过刚性理论完成低阶矩阵的唯一性,SIAM J.矩阵分析。申请31(2010)1621-1641·Zbl 1221.15038号
[36] Wu,F.,Jing,X.-Y.,You,X.,Yue,D.,Hu,R.和Yang,J.-Y.《图像分类的多视图低阶词典学习》,《模式识别》50(2016)143-154·Zbl 1394.68319号
[37] Yue,M.-C.和So,A.Man-Cho,奇异值凹函数的扰动不等式及其在低阶矩阵恢复中的应用,应用。计算。哈蒙。分析40(2016)396-416·Zbl 1335.15031号
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。