研究了鲁棒主成分分析方法在矩阵恢复中的应用，提出了一种比核范数更紧的非凸秩逼近方法，并且设计了一种高效的基于增广拉格朗日乘子法的优化算法。实验结果表明，该方法在精度和效率方面优于现有的最先进算法。

Nov, 2015

本论文提出了一种改进版的鲁棒主成分分析方法，使用部分奇异值之和代替核范数，隐式地鼓励目标秩约束。实验结果表明，该方法在样本数不足时比传统鲁棒主成分分析方法有更高的成功率，在样本数充足时两种方法得到的解几乎相同。该方法在高动态范围成像、运动边缘检测、光度立体、图像对齐和恢复等低级视觉问题上都表现出优异的结果。

Mar, 2015

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

采用 Burer-Monteiro 方法，论文提出一种较少变量的非凸非光滑优化问题形式的低维对称和非对称正秩 - 1 RPCA，其具有良好的景观和不会有虚假的本地解决方案，保证了精确恢复真实主分量的强大确定性和概率保证。

Dec, 2018

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

本文提出了一种非凸可行性重构的 RPCA 问题，并采用交替投影法进行求解。通过广泛的数值实验，我们展示了该方法在多个应用场景中的良好性能。

May, 2018

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

本文引入了自适应核范数正则化方法，通过该方法提出了一种基于自适应核范数的降秩估计方法，同时该降秩估计方法在计算上高效，并且在模拟研究和基因学应用中，表现出优异的性能。

Jan, 2012