本文研究了在满足给定的线性等式约束的前提下寻找一个满足最小秩的矩阵的问题，证明在线性变换满足一定的保型性条件下，可以通过解决一个凸优化问题来恢复最小秩解，即在给定仿射空间上，通过最小化核范数来建立几个随机方程整体满足保型性条件，进而将基数最小化的概念推广到秩最小化上。

Jun, 2007

利用核范数正则化寻找结构化低秩矩阵的问题，我们采用线性映射来编码结构，并提出了一种更有效的方法，与同类方法相比，该方法在迭代次数和计算成本上都有所改善，并在随机系统实现和光谱压缩感知问题中表现出色。

Sep, 2015

本文研究了低秩矩阵恢复问题中所需的最少线性测量的理论问题，证明了针对一组随机测量系列，所需的测量数量为 m >= 4nr-4r^2，足以保证测量算子的零空间中不存在任何秩为 2r 的矩阵，同时保证所有秩为 r 的矩阵均匀恢复，这一 m 值恰好匹配了所有秩为 2r 矩阵的流型的维度。

Mar, 2011

本文介绍了一种基于反正切函数的更紧密逼近秩函数的方法，并使用它来解决具有挑战性的子空间聚类问题，并开发了一种基于增广拉格朗日乘数方法的有效优化过程。实验结果表明，所提出的方法对于秩逼近问题十分有效。

Oct, 2015

本文提出一种基于 Logarithm-Determinant 的等级逼近方法，用于子空间聚类应用，并开发有效的优化策略，以实现收敛到一个稳定点，并在人脸聚类和运动分割任务方面比目前最先进的子空间聚类算法具有更好的效果。

Aug, 2015

本文提出了一种基于变分近似的经验贝叶斯程序，用于低秩矩阵估计，与核范数不同的是，该方法保留了很多有用约束下与秩函数相同的全局最小点估计。该方法适用于广泛的低秩学习应用，特别是强健主成分分析问题（RPCA）。

Aug, 2014

本文提出了固定点迭代算法和 Bregman 迭代算法来解决核范数最小化的问题，并证明了前者的收敛性。通过使用同伦方法和近似奇异值分解过程，我们得到了一个非常快速，鲁棒和强大的算法，称为 FPCA（具有近似 SVD 的固定点连续化），它可以解决非常大的矩阵秩最小化问题。在随机生成和真实矩阵完成问题方面的数值结果表明，这个算法比如 SDPT3 等半定规划求解器更快，且能提供更好的恢复性能。在在线推荐，DNA 微阵列数据集和图像修复问题上的数值实验证明了我们算法的有效性。

May, 2009

本文提出了一种使用一组非凸假设函数对矩阵奇异值进行 $L_0$- 范数逼近的非凸非光滑极小值问题，并采用 Iteratively Reweighted Nuclear Norm (IRNN) 算法进行求解。本文在合成和真实图像数据上进行了广泛的实验，证明了 IRNN 相比最先进的凸算法增强了低秩矩阵恢复的效果。

Oct, 2015

使用图极限理论规定的某一必要且充分条件，对于一系列矩阵补全问题，只需对 Candès-Recht 核范数最小化算法进行微小修改即可提供所需的渐近解，该理论是完全确定性的，没有随机性假设，同时列出了一些未解决的问题。

Oct, 2019

运用矩阵补全算法理论将一种叫做秩聚合的方法扩展到了一部分已填充的斜对称矩阵之上，从而提取出了每个项目的排名。该算法适用于成对比较和评级数据，并且由于基于矩阵补全，因此对数据噪声和不完整数据具有鲁棒性。

Feb, 2011