基于均值的Toeplitz矩阵填充的子空间算法

本文提出一种基于均值的Toeplitz矩阵填充的子空间算法.通过在左奇异向量空间中对已知元素的最小二乘逼近,形成了新的可行矩阵;并利用对角线上的均值化使得迭代后的矩阵保持Toeplitz结构,从而减少了奇异向量空间的分解时间.理论上,证明了在一定条件下该算法收敛于一个低秩的Toeplitz矩阵.通过不同已知率的矩阵填充数值实验展示了Toeplitz矩阵填充的新算法比阈值增广Lagrange乘子算法在时间上和精度上更有效.     

用随机奇异值分解算法求解矩阵恢复问题

本文研究了大型低秩矩阵恢复问题.利用随机奇异值分解（RSVD）算法,对稀疏矩阵做奇异值分解.该算法与Lanczos方法相比,在误差精度一致的同时运算时间大大降低,且该算法对相对低秩矩阵也有效.     

用随机奇异值分解算法求解矩阵恢复问题（英文）

本文研究了大型低秩矩阵恢复问题.利用随机奇异值分解(RSVD)算法,对稀疏矩阵做奇异值分解.该算法与Lanczos方法相比,在误差精度一致的同时运算时间大大降低,且该算法对相对低秩矩阵也有效.     

Toeplitz矩阵填充的四种流形逼近算法比较

 本文提出Toeplitz矩阵填充的四种流形逼近算法。在左奇异向量空间中对已知部分运用最小二乘法逼近,形成新的可行矩阵;并将对角线上的元素分别用均值,l₁范数,l_∞范数和中间数四种方法逼近使得迭代后的矩阵仍保持Toeplitz结构,节约了奇异向量空间的分解时间。最终找到合理的低秩矩阵来逼近未知的高秩矩阵,进而精确地完成Toeplitz矩阵的填充。理论上,分析了在一定条件下算法的收敛性。实验上,通过取不同的采样密度进行数值实验展示了四种算法的优劣。实验结果说明均值算法和l_∞范数算法大多用的时间较少,但是当采样密度和矩阵规模较大时,中间数算法的精度较高。     

基于受限等距性质的矩阵低秩稀疏逼近误差界

正1引言假设D∈R~(m×n)为实际观测到的高维数据矩阵,则从高维空间中估计一低维子空间的问题,称为矩阵低秩逼近,即估计一低秩矩阵A,使得D与A∈R~(m×n)之间的误差E=D-A最小化,该问题表示如下min‖E‖~2_F=‖D-A‖~2_F s.t.rank(A)≤r,其中r《min(m,n).求解矩阵低秩逼近问题最著名的方法是主成分分析法(Principal components analysis,PCA)[8,14,15],PCA在误差||E||_F较小的情况下,利用奇异值分解     

矩阵方程AX=B的中心对称定秩解及其最佳逼近（英文）

本文研究了矩阵方程AX=B的中心对称解.利用矩阵对的广义奇异值分解和广义逆矩阵,获得了该方程有中心对称解的充要条件以及有解时,最大秩解、最小秩解的一般表达式,并讨论了中心对称最小秩解集合中与给定矩阵的最佳逼近解.     

矩阵方程AX=B的中心对称定秩解及其最佳逼近

本文研究了矩阵方程AX=B的中心对称解.利用矩阵对的广义奇异值分解和广义逆矩阵,获得了该方程有中心对称解的充要条件以及有解时,最大秩解、最小秩解的一般表达式,并讨论了中心对称最小秩解集合中与给定矩阵的最佳逼近解.     

基于不等概自适应抽样和随机SVD分解的CUR矩阵重构

高维大数据矩阵分析中,使用少量主要成分逼近原始数据矩阵是常用方法,这些主要成分是矩阵行和列的线性组合,不易对数据的原始特征进行解释。本文提出将不等概抽样与自适应抽样结合的适用于CUR矩阵分解的抽样方法,并将该抽样方法与矩阵随机奇异值分解(SVD)方法相结合,对抽样得到的列矩阵C和行矩阵R进行随机SVD分解,在控制计算复杂度的同时提高低秩逼近重构矩阵的精度。研究结果表明,在矩阵低秩逼近中,基于不等概自适应抽样和随机SVD分解相结合的CUR矩阵分解方法具有较高的精确度和稳定性。     

一种改进的线性系统的有限时间平衡截断（英文）

本文提出一种改进的线性系统的有限时间平衡截断方法.该方法首先利用Shifted Legendre多项式对线性系统的有限时间可控Gram矩阵和可观Gram矩阵进行近似低秩分解,其中根据正交多项式与幂级数之间的关系,该近似低秩分解因子可以通过简单的递推公式得到,然后构造正交投影变换得到近似平衡系统,进而通过截断较小的Hankel奇异值对应的状态得到降阶系统.此外,本文还简要讨论了该降阶模型的稳定性.最后,通过数值算例验证了算法的有效性.     

求解结构矩阵低秩逼近的交替投影方法

结构矩阵低秩逼近在图像压缩、计算机代数和语音编码中有广泛应用.首先给出了几类结构矩阵的投影公式,再利用交替投影方法计算结构矩阵低秩逼近问题.数值试验表明新方法是可行的.     

张量鲁棒主成分分析的增广拉格朗日交替方向方法

张量的鲁棒主成分分析是将未知的一个低秩张量与一个稀疏张量从已知的它们的和中分离出来.因为在计算机视觉与模式识别中有着广阔的应用前景,该问题在近期成为学者们的研究热点.本文提出了一种针对张量鲁棒主成分分析的新的模型,并给出交替方向极小化的求解算法,在求解过程中给出了两种秩的调整策略.针对低秩分量本文对其全部各阶展开矩阵进行低秩矩阵分解,针对稀疏分量采用软阈值收缩的策略.无论目标低秩张量为精确低秩或近似低秩,本文所提方法均可适用.本文对算法给出了一定程度上的收敛性分析,即算法迭代过程中产生的任意收敛点均满足KKT条件.如果目标低秩张量为精确低秩,当迭代终止时可对输出结果进行基于高阶奇异值分解的修正.针对人工数据和真实视频数据的数值实验表明,与同类型算法相比,本文所提方法可以得到更好的结果.     

广义Lyapunov方程A~TX+X~TA=C的一般解及其最佳逼近解

本文讨论矩阵方程ATX+XTA=C的一般解及其最佳逼近解的正交投影迭代解法.首先,利用矩阵的结构特点及相关性质,并借助矩阵空间的相关理论,给出求该矩阵方程一般解正交投影迭代算法;其次,根据奇异值分解、F-范数正交变换不变性证明算法的收敛性并推导出算法的收敛速率估计式,当方程相容时,该算法收敛于问题的极小范数解,且对该算法稍加修改,就可得到相应最佳逼近解;最后,用数值实例验证算法的有效性.     

线性低秩逼近与非线性降维

综合分析介绍了在线性与非线性数据约化两方面的最新工作: 对线性情形, 讨论了列分块矩阵奇异值分解的结构分析和稀疏低秩逼近方法与算法; 对非线性情形, 研究了非线性降维与流形学习的方法. 这些问题均为数据挖掘 与机器学习领域极受关注的研究课题.     

数据缺损矩阵低秩分解的正则化方法

数据缺损下矩阵低秩逼近问题出现在许多数据处理分析与应用领域. 由于极高的元素缺损率,数据缺损下的矩阵低秩逼近呈现很大的不适定性, 因而寻求有效的数值算法是一个具有挑战性的课题. 本文系统完整地综述了作者近期在这方面的一些研究进展, 给出了基本模型问题的不适定性理论分析, 提出了两种新颖的正则化方法: 元素约束正则化和引导正则化, 分别适用于中等程度的数据缺损和高度元素缺损的矩阵低秩逼近. 本文同时也介绍了相应快速有效的数值算法. 在一些实际的大规模数值例子中, 这些新的正则化算法均表现出比现有其他方法都好的数值特性.     

基于矩阵指数函数Laguerre多项式展开的模型降阶方法

在经典平衡截断模型降阶方法的基础上, 提出一种基于矩阵指数函数Laguerre多项式展开的模型降阶方法. 该方法首先利用矩阵指数函数的Laguerre多项式展开, 给出控制系统可控Gram矩阵和可观Gram矩阵的近似低秩分解, 然后构造正交投影变换得到近似平衡系统, 进而通过截断较小的Hankel奇异值对应的状态得到降阶系统. 该方法计算高效, 且具有一定的自适应性. 最后, 通过数值算例验证算法的有效性.     

二阶系统基于奇异值的保结构模型降阶方法（英文）

本文提出了一种二阶系统基于奇异值的保结构模型降阶方法.该方法通过脉冲响应的移位勒让德多项式展开系数直接计算得到二阶系统的可控和可观格拉姆矩阵的低秩因子.然后基于二阶系统的奇异值结构,构造相应的平衡系统,进而通过截断较小奇异值对应的状态得到保结构的降阶系统.最后,通过两个数值实验展示了所提方法的有效性.     

有界灰矩阵的非奇异性与秩

本文重新论述有界灰方阵的非奇异性判别问题,提出“条件非奇异”与“最大非奇异子元值域”的新概念,指出现有结果的局限性,给出了一些实用判据,并对灰逆阵的存在性条件与定义域作了研究.此外,本文又提出有界灰矩阵的“灰秩”的新概念与算法,建立了有界灰矩阵恒满秩、恒不满秩、条件满秩的判据。     

快速幂法子空间跟踪

子空间跟踪算法是许多工程计算问题的核心.Hua等人将计算特征值问题的幂法扩展为自然幂法子空间跟踪算法.在指出基于秩1矩阵更新的自然幂法的快速实现方案NP3不收敛的同时,应用矩阵求逆引理给出了一种新的快速子空间跟踪算法:快速幂法子空间跟踪算法.仿真实验表明,所提算法是收敛与稳定的,其性能优于或相当于几种常见的快速子空间跟踪算法.     

求解低秩矩阵恢复问题的非单调交替梯度方向法

低秩矩阵恢复问题作为一类在图像处理和信号数据分析等领域中都十分重要的问题已被广泛研究.本文在交替方向算法的框架下,应用非单调技术,提出一种求解低秩矩阵恢复问题的新算法.该算法在每一步迭代过程中,首先利用一步带有变步长梯度算法同时更新低秩部分的两块变量,然后采用非单调技术更新稀疏部分的变量.在一定的假设条件下,本文证明了新算法的全局收敛性.最后通过解决随机低秩矩阵恢复问题和视频前景背景分离的实例验证新算法的有效性,同时也显示非单调技术极大改善了算法的效率.     

基于l_∞-模的Hankel矩阵填充的保结构阈值算法

文章基于l_∞-范数的性质及奇异值阈值方法,提出Hankel矩阵填充的一种算法.该算法保证每次迭代产生的填充矩阵是可行的Hankel矩阵,不仅减少了奇异值分解所用的时间,而且获得更精确的填充矩阵.同时,讨论了新算法的收敛性.最后通过数值实验以及简单的图像修复证明新算法比加速邻近梯度算法、阈值的增广Lagrange乘子算法以及基于F-模的Hankel矩阵填充的保结构阈值算法更有效.