通过新的分析方法，本文提出了统一的不等式并改进了以往矩阵恢复方法的采样复杂度，同时探讨了低秩加稀疏矩阵分解问题的可解性。

Oct, 2013

通过矩阵分解问题中的凸松弛方法，结合核范数和分解式正则化，我们分析了一个能得到估计值的一般性定理，该定理可以适用于低秩矩阵、稀疏矩阵及一些可压缩的高维矩阵。我们利用了峰态条件，得到了确定性和随机性噪声矩阵的非渐近性弗罗贝尼乌斯误差界，同时也证实了最小化误差的下限和数值模拟结果的契合度。

Feb, 2011

使用凸优化方法，本文针对低秩矩阵加已知压缩矩阵与稀疏矩阵的叠加，建立了确定性条件，恢复了低秩矩阵和稀疏矩阵，对网络异常检测等问题具有重要应用价值。

Apr, 2012

本文提出了一种特定偏向分布的采样方式，利用该采样方式可以从少量采样的数据中精确恢复任何秩为 r 的 nxn 的矩阵（无需满足之前已有的结构限制要求），而且在没有先验信息下本文建立了三种使用该采样方式的方法，其中还包括分析了针对非均匀采样情形中，加权核范数 / 迹范数惩罚的优点。

Jun, 2013

本文证明了矩阵完成问题即使假设未知矩阵的秩为 4 并且允许输出任意常数秩的矩阵，以及假设未知矩阵不相干并展示 90% 的条目，在 4 着色问题的推测难度性的基础上，矩阵完成问题仍然是计算上难解的；而在标准假设 P≠NP 下，对于正半定矩阵完成问题，我们也展示了类似的难度结果。

Feb, 2014

本文提出了一种贪心算法来解决高秩矩阵子空间中低秩矩阵的基问题，并比较了其与其他方法的优劣，进而可应用于数据压缩，计算近多重特征值的精确特征向量，图像分离和图马拉锡算子的特征值问题。

Mar, 2015

本文发展了使用分布式算法解决低秩矩阵加上压缩矩阵与稀疏矩阵乘积的分离任务，建立了分布式稀疏正则化秩最小化的算法框架，其中采用核范数和 l1 范数用作所需矩阵的秩和非零条目数的替代，使用交替方向乘法的分离算法来最小化经过采样和压缩的数据的秩和 nonzeros，从而解决了一些网络优化问题。

Mar, 2012

我们提出了一种新的充分条件，用于验证任意阶的通用秩为 r 的复合张量是否能够唯一地分解为一组秩一张量的线性组合；我们还提出了一种实用的算法来验证这个条件，并建立了关于此类张量通用可识别性的性质；此外，我们还证明了一类弱缺陷 Segre 变量的通用唯一分解性质。

Mar, 2014

本文提出了基于置换秩的模型，可以避免传统基于非负秩模型的限制，并证明了该模型下的估计极小值等价于传统低秩模型，进而分析了一个基于奇异值阈值的有效算法，并展示了多样的结构结果来表征置换秩分解的唯一性和凸逼近。

Sep, 2017

本文研究的是如何恢复一个结构化模型的问题，我们探讨了使用多目标优化得到的结果与只利用其中一个结构的算法的结果相当的现象。此外，我们还详细研究了稀疏低秩矩阵恢复问题所需的样本数，证明了本文提出的非凸公式在这种情况下表现比凸公式更好。

Dec, 2012