通过零空间特性稳定低秩矩阵恢复
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
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
本文介绍了一种针对低秩矩阵恢复的秩 - 1 投影模型并提出了一种受约束的核范数最小化方法,该方法能够适应不同秩的矩阵并对细微扰动具有强鲁棒性,同时通过引入上下界对其精度进行了数学证明。此外,该方法对解决其他相关的统计问题具有启示作用。最后,将该方法应用于一维随机投影估算高维分布的协方差矩阵,证明了该方法的可行性和精度。
Oct, 2013
本文中提出了一种压缩感知技术,通过 l1 - 正则化问题来恢复高维实向量 x_0,证明了只要 A 满足均匀不确定原理并且 x_0 具有足够的稀疏性,则可以在噪声水平内准确恢复 x_0,并给出了两个实例。
Mar, 2005
提出通过使用具有大切比雪夫谱差的二分图边集进行矩阵完成的广泛采样方案,可以精确地恢复所有满足一定不相干性条件的低秩矩阵,而只需 O(nr^2)个随机样本条目。同时改进了已有的矩阵完成算法和核范数方法的分析,与之相比,其样本复杂度为 O(nrlogn)
Feb, 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
本研究论文介绍新兴的矩阵填充技术及其应用,其中最简单的情况是从一个数据样本中恢复一个数据矩阵。本文提出通过核范数极小化技术,按数据约束条件恢复矩阵,可在一定程度下证明矩阵填充的准确性,数值结果表明,核范数极小化技术可以在很少的观测样本中准确填充低秩矩阵的许多缺失条目。
Mar, 2009