在线高秩矩阵补全
机器学习
2020-02-21 v1 机器学习
摘要
矩阵补全的近期进展通过利用低维(非线性)潜在结构实现了满秩矩阵中的数据插补。本文中，我们开发了一种高秩矩阵补全(HRMC)的新模型，以及拟合该模型的批处理与在线方法和对补全新数据的样本外扩展。该方法使用核技巧(隐式地)将数据映射到高维多项式特征空间；重要的是，即便原始数据矩阵为满秩，数据在该特征空间中占据低维子空间。我们引入该低维子空间的显式参数化及一种在线拟合过程，以相比最优水平降低计算复杂度。该在线方法也能处理流式或序列数据并适应非平稳潜在结构。我们提供了这些方法成功所需的采样率指导。在合成数据与动作捕捉数据上的实验结果验证了所提方法的性能。
引用
@article{arxiv.2002.08934,
title = {Online high rank matrix completion},
author = {Jicong Fan and Madeleine Udell},
journal= {arXiv preprint arXiv:2002.08934},
year = {2020}
}
备注
The paper was published by the proceedings of IEEE CVPR 2019