矩阵补全算法综述

自 Netflix 宣布 Netflix Prize 问题以来，矩阵补全问题已在许多不同条件下被研究。一旦发现许多现实生活中的数据集可用低秩矩阵估计，该领域便开展了大量研究工作。此后，压缩感知、自适应信号检测引起了众多研究者的关注。在本综述论文中，我们将探讨一些矩阵补全方法，主要沿被动与自适应两个方向。首先，我们讨论基于凸优化的被动矩阵补全方法，其次讨论基于自适应信号检测方法的主动矩阵补全技术。传统上许多机器学习问题在被动环境中求解。然而后来观察到，自适应感知算法往往比先前的算法更高效。因此该设定下的算法已被广泛研究。故此，本文将介绍一些最新的自适应矩阵补全算法，同时提供被动方法。