利用双线性分解与增广拉格朗日法恢复含缺失信息的量化数据
机器学习
2018-10-09 v1 机器学习
摘要
在本文中，我们提出一种新方法来恢复含缺失信息的量化矩阵。我们提出一个由对数似然项和迹范数项组成的正则化凸代价函数。为恢复真实数据，应用双分解方法和增广拉格朗日法（ALM）来寻找该代价函数的全局极小元。我们给出了所提算法的数学收敛性分析。在数值实验部分，我们展示了相比现有文献中的先进方法，我们的方法在精度上的优越性以及计算复杂度上的鲁棒性。
引用
@article{arxiv.1810.03222,
title = {Recovering Quantized Data with Missing Information Using Bilinear Factorization and Augmented Lagrangian Method},
author = {Ashkan Esmaeili and Kayhan Behdin and Sina Al-E-Mohammad and Farokh Marvasti},
journal= {arXiv preprint arXiv:1810.03222},
year = {2018}
}