低多重线性秩大张量的分解
数值分析
2014-12-30 v2 分布式、并行与集群计算
摘要
张量分解是将数据的多种模式和方面纳入统一框架的有力工具，有助于发现数据复杂的内部结构和相关性，是大数据分析中有前景的工具。不幸的是，大多数现有方法并非为应对大数据分析提出的主要挑战而设计。本文试图提高张量分解的可扩展性，并提供了两项贡献：一种基于 Tucker 压缩的灵活快速的张量 CP 分解算法 (FFCP)；一种针对任意大但具有相对较低多重线性秩的张量的分布式随机 Tucker 分解方法。这两种算法能够处理巨大的张量，即使它们是稠密的。广泛的模拟为所提算法的有效性和效率提供了实证证据。
引用
@article{arxiv.1412.1885,
title = {Decomposition of Big Tensors With Low Multilinear Rank},
author = {Guoxu Zhou and Andrzej Cichocki and Shengli Xie},
journal= {arXiv preprint arXiv:1412.1885},
year = {2014}
}