大规模矩阵降维的随机逼近方法

大规模矩阵降维和分解是数据分析的核心问题之一,在工程领域应用广泛,如图像分割、文本分类、数据挖掘,然而,传统的矩阵分解方法(如SVD、谱分解)计算复杂度高,不适用于大规模矩阵处理.近些年来,随机逼近方法用来发现大规模矩阵的低维近似,有效地降低了计算复杂度,是当今的研究热点.围绕基于随机逼近的大矩阵降维方法展开论述,介绍了矩阵降维中的抽样策略、CUR分解、Nystrom方法、随机逼近方法,比较研究了这些方法的优缺点.对重要的随机逼近方法开展了一些图像试验分析.最后,进行了总结并讨论了一些方向的可行性.

Stochastic Approximation Approaches of Large-scale Matrix Dimension Reduction