基于高度不完备信息的子空间在线识别与跟踪
信息论
2011-07-14 v2 系统与控制
math.IT
最优化与控制
机器学习
摘要
本工作提出了GROUSE（Grassmanian Rank-One Update Subspace Estimation），一种从高度不完备观测中跟踪子空间的高效在线算法。GROUSE在每次迭代中仅需基本的线性代数操作，且每次子空间更新的计算复杂度相对于子空间维度是线性的。该算法是通过对子空间的Grassmann流形上的增量梯度下降进行分析而推导出来的。经过轻微修改，GROUSE也可用作矩阵填充问题（即填补低秩矩阵的缺失项）的在线增量算法。GROUSE在实践中无论是跟踪子空间还是作为矩阵填充的在线算法，均表现极其优异。
引用
@article{arxiv.1006.4046,
title = {Online Identification and Tracking of Subspaces from Highly Incomplete Information},
author = {Laura Balzano and Robert Nowak and Benjamin Recht},
journal= {arXiv preprint arXiv:1006.4046},
year = {2011}
}