本文介绍了通过测量映射来恢复不完整且可能带有噪声的低秩矩阵，探讨了通过凸优化推导恢复结果的条件。并阐述了通过测量矩阵实现 Frobenius 内积和独立标准高斯随机矩阵来恢复秩最多为 r 的 n1 × n2 矩阵的恢复结果等。最后，对量子物理和相位回收问题的应用进行了讨论。

Jul, 2015

本文研究了低秩矩阵通过线性组合测量进行恢复的方法，结果表明经过妥善约束的核范数最小化可以从恒定数量的带有噪声的测量中稳定地恢复低秩矩阵，从噪声数据中恢复误差不超过三个目标。同时，本文对低秩矩阵的误差界限进行了扩展，并基于限制等距性质进行了分析。

Jan, 2010

本文研究了通过核范数最小化从采样测量中恢复 Hermite 低秩矩阵的问题，其中测量是 Frobenius 内积形式的随机秩一矩阵，我们导出了确保成功恢复矩阵所需的测量数的界限，同时证明了测量扰动的鲁棒性和近似 4 - 设计对相位恢复的一般性限制。

Oct, 2014

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

使用迭代重加权最小二乘算法，同时结合核范数和近似低秩解的最小化，有效地从少量线性测量中恢复矩阵，并通过实验证明在矩阵完成问题中具有竞争力。

Oct, 2010

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的一类黎曼优化算法，证明了当感知算子的受限等距常数小于 Cκ/√r 时，算法能够从几乎最小的测量中恢复低秩矩阵。

Nov, 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

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