含噪观测下的低秩矩阵补全：定量比较
机器学习
2009-11-04 v2 数值分析
摘要
我们考虑一个具有重要实际意义的问题，即从少量条目中重建低秩数据矩阵。该问题出现在协同过滤、计算机视觉和无线传感器网络等多个领域。本文聚焦于观测样本被噪声污染的矩阵补全问题。我们在同一仿真平台上比较了三种最先进的矩阵补全算法（OptSpace、ADMiRA 和 FPCA）的性能，并给出了数值结果。我们表明，在实践中，这些高效算法可用于准确重建真实数据矩阵以及随机生成的矩阵。
引用
@article{arxiv.0910.0921,
title = {Low-rank Matrix Completion with Noisy Observations: a Quantitative Comparison},
author = {Raghunandan H. Keshavan and Andrea Montanari and Sewoong Oh},
journal= {arXiv preprint arXiv:0910.0921},
year = {2009}
}
备注
7 pages, 7 figures, 47th Allerton Conference on Communication Control and Computing, 2009, invited paper