使用函数框架，在矩阵完成和使用流形几何结构进行函数定位的过程中，研究了在流形之间寻找密集本征对应的问题，并探讨了其解决方案的有效数值方法。该方法在非刚性形状匹配基准测试上的准确性优于最先进的对应算法，并在仅有少量数据的情况下具有特殊优势。

Dec, 2014

针对低秩矩阵完成问题，本文提出了一种基于几何目标函数的优化算法，解决了 Frobenius 度量方法的无法连续和解集不闭合的困难，并为特殊完成方案提供了强大的性能保证。

Jun, 2010

提出了一种基于学习的方法，用于计算非刚性三维形状之间的对应关系。该方法利用从原始形状几何中直接学习的特征提取网络，结合一种基于功能映射表示的正则化地图提取层和损失函数，能够从比现有的监督方法少的训练数据中学习，并且比当前基于描述符学习的方法更加普适。

Mar, 2020

本研究提出了一种主动式矩阵完成算法，通过查询真实矩阵来克服数据不完备造成的不足信息问题，可以在仅查询少量条目的情况下高精准度地重构缺失的矩阵，并通过实验验证了该算法的高效性和精度。

May, 2017

本文提出了特定于低秩矩阵补全问题的新黎曼几何，利用商空间自由度来调节搜索空间的度量，开发了基于梯度下降方案的优化工具，包括陡峭下降和共轭梯度，以及信赖域算法，实现了精确线性搜索，使算法在标准低秩矩阵补全实例上具有与最先进算法相当的性能。

Nov, 2012

本研究提出了基于代数几何和拟阵理论的新颖代数组合观点，旨在研究矩阵中少数条目之间的关联。该方法的固有局部性可实现对封闭理论和实践框架中的单个条目进行处理。除了介绍低秩矩阵完成的一种代数组合理论之外，我们还提出了决定矩阵特定条目能否完成的算法，描述了从其他少数条目完成该条目的方法，并估计了完成该条目的任何方法所引入的误差。此外，我们还展示了如何将已知的矩阵完成结果及其采样假设与我们的新视角相关联，并解释了它们在可完成性相变方面的解释。

Nov, 2012

本研究介绍了一种使用几何深度学习处理用户 / 项目对之间局部稳定性结构的新方法。矩阵完成架构结合了图卷积神经网络和循环神经网络，以学习有意义的统计图结构模式和非线性扩散过程，从而生成已知的评分，具有与矩阵大小无关的恒定参数数量。在合成数据和真实数据集上进行了实验，表明该方法优于现有技术。

Apr, 2017

本文综述了矩阵完成问题及其与代数几何、组合数学和图论的紧密关系，提出可令任意秩矩阵从一组矩阵项中可辨识的首个必要且充分的组合条件，为矩阵完成问题提出了理论约束和新算法，着重阐述代数 - 组合方法可以超越现有最先进的矩阵完成方法。

Jun, 2012

在结构化环境下，本文提出了一种改进的低秩矩阵补全方法，通过引入离散字母表集合，使用基于连续可微函数的分数规划方法规范离散性，从而比现有方法和基于 L1 范数的离散感知矩阵补全方法具有更好的性能。

May, 2024

基于广义高阶标量的恢复方法，扩展传统的二阶矩阵模型到更全面的高阶矩阵模型，称为 “t - 矩阵” 模型，采用像素邻域扩展策略来描述局部像素约束。我们在模拟数据和公开可用的图像上对各种算法进行了大量实验，并比较了它们的性能。结果表明，我们的广义矩阵补全模型及相应算法与低阶张量和传统矩阵对应物相比具有显著优势。

Aug, 2023