低秩矩阵近似的排名显现随机奇异值分解（R3SVD）算法
摘要：使用一种名为Rank Revealing Randomized Singular Value Decomposition (R3SVD)的算法，在逐步构建一个潜在较大矩阵的低秩近似的同时，自适应地估计可以捕捉矩阵大部分行为的适当秩。R3SVD从具有初始猜测秩的低秩近似开始，采用正交高斯抽样方法获取剩余空间中的主要子空间，该子空间用于添加到现有的低秩近似中。正交高斯抽样重复进行，直到获得满意精度的适当低秩近似，该精度由原始矩阵的总能量百分比来衡量。除了是一种快速算法，R3SVD还是一种考虑内存的算法，其中计算过程可以分解为一系列使用恒定内存量的抽样任务。在图像压缩和矩阵补全方面的数值实例用于证明R3SVD在低秩近似中的有效性。
作者：Hao Ji, Wenjian Yu, Yaohang Li
论文ID：1605.08134
分类：Numerical Analysis
分类简称：cs.NA
提交时间：2016-05-27