快速实现利用循环排名揭示随机奇异值分解的奇异值阈值算法
摘要：矩阵完成的快速实现：基于奇异值阈值(Singular Value Thresholding, SVT)算法。我们使用一种适应性的基于排名的随机奇异值分解(rank-revealing randomized singular value decomposition, R3SVD)算法，快速近似计算给定期望固定精确度的SVT算子。我们通过在当前迭代中将前一次迭代获得的左奇异向量作为当前近似基向量，在重迭计算中进行了R4SVD算法扩展。通过这种方式，减少了每次SVT迭代中部分SVD的计算成本。通过模拟退火方式的冷却机制，适应性地调整低秩近似精度阈值，以适应SVT的进展。我们的快速SVT实现在大矩阵和小矩阵中都很有效，这在包括图像恢复和电影推荐系统在内的矩阵完成应用中得到了证明。
作者：Yaohang Li and Wenjian Yu
论文ID：1704.05528
分类：Numerical Analysis
分类简称：cs.NA
提交时间：2017-04-20