数据缺损矩阵低秩分解的正则化方法
Scientia Sinica(Mathematica)（2013）
摘要
数据缺损下矩阵低秩逼近问题出现在许多数据处理分析与应用领域.由于极高的元素缺损率,数据缺损下的矩阵低秩逼近呈现很大的不适定性,因而寻求有效的数值算法是一个具有挑战性的课题.本文系统完整地综述了作者近期在这方面的一些研究进展,给出了基本模型问题的不适定性理论分析,提出了两种新颖的正则化方法:元素约束正则化和引导正则化,分别适用于中等程度的数据缺损和高度元素缺损的矩阵低秩逼近.本文同时也介绍了相应快速有效的数值算法.在一些实际的大规模数值例子中,这些新的正则化算法均表现出比现有其他方法都好的数值特性.
更多查看译文
关键词
matrix factorization,regularization,low-rank approximation,missing data,collaborative filtering
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要