基于随机奇异值分解的快速矩阵补全算法及其应用.pdfVIP

基于随机奇异值分解的快速矩阵补全算法及其应用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于随机奇异值分解的快速矩阵补全算法及其应用

绗?*鍗 绗?鏈 璁$畻鏈鸿緟鍔╄璁′笌鍥惧舰瀛﹀鎶 Vol. 2* No.* 201*骞?鏈 Journal of Computer-Aided Design Computer Graphics ***. 201* 鍩轰簬闅忔満濂囧紓鍊煎垎瑙g殑蹇€熺煩闃佃ˉ鍏ㄧ畻娉曞強鍏跺簲鐢 1,2) 1,2) 1,2)* 3) 鍐 鏍 , 鏉庡彲娆 , 鍠绘枃鍋 , 榛庤€€鑸 1) (娓呭崕淇℃伅绉戝涓庢妧鏈浗瀹跺疄楠屽(绛? 鍖椾含 100084) 2) (娓呭崕澶у璁$畻鏈虹瀛︿笌鎶€鏈郴 鍖椾含 100084) 3) (Department of Computer Science, Old Dominion University, Norfolk, VA 23529, USA) (yu-wj@) 鎽 瑕? 涓轰簡鍦ㄤ繚璇佺粨鏋滅簿搴︾殑鎯呭喌涓嬪姞蹇繍绠楅€熷害, 鏀硅繘浜嗙煩闃佃ˉ鍏ㄧ殑浠h〃鎬х畻娉曗€斺€斿寮傚€奸棬闄?SVT)绠楁硶. 棣 鍏堝浜庤緭鍏ョ煩闃佃繘琛岃鏁村寲澶勭悊, 涔嬪悗鍦ㄦ瘡涓€姝ョ殑杩唬涓娇鐢ㄥ寮傚€煎垎瑙g畻娉曞鐭╅樀杩涜鎭㈠. 鐢变簬姣忎釜杩唬姝ヤ腑 濂囧紓鍊煎垎瑙g殑璁$畻閲忓緢澶? 鏂囦腑鍊熼壌闅忔満鐭╅樀濂囧紓鍊煎垎瑙g畻娉? 鎻愬嚭浣跨敤鍧楀厠闆锋礇澶凯浠h繎浼煎寮傚€煎垎瑙g畻娉曞拰瀛 绌洪棿澶嶇敤鎶€鏈殑蹇€烻VT 绠楁硶. 浣跨敤褰╄壊鍥惧儚鍜岀數褰辫瘎鍒嗙煩闃靛绠楁硶杩涜瀹為獙鐨勭粨鏋滆〃鏄? 蹇€烻VT 绠楁硶鍦ㄤ笉褰卞搷 鍥惧儚鎭㈠鍜岃瘎鍒嗘暟鎹娴嬫晥鏋滅殑鍚屾椂鏄捐憲鍦扮缉鐭簡璁$畻鏃堕棿; 鍦ㄥ浘鍍忔仮澶嶅拰鐢靛奖璇勫垎棰勬祴鐨勫疄楠屼腑, 鍒嗗埆鍙栧緱浜嗛珮 杈?.1 鍊嶅拰3.2 鍊嶇殑鍔犻€熸瘮. 鍏抽敭璇岤 鐭╅樀琛ュ叏; 濂囧紓鍊煎垎瑙Ⅺ 濂囧紓鍊奸棬闄愮畻娉旣 闅忔満鐭╅樀绠楁硶; 鍥惧儚鎭㈠; 鎺ㄨ崘绯荤粺; 瀛愮┖闂村鐢 涓浘娉曞垎绫诲彿: TP391.41 Fast Matrix Completion Algorithm Based on Randomized Singular Value Decompo- sition and Its Applications Feng Xu1,2), Li Kexin1,2), Yu Wenjian1,2)*, and Li Yaohang3) 1) (TNList, Tsinghua University, Beijing, 100084) 2) (Department of Computer Science and Technology, Tsinghua University, Beijing, 100084) 3) (Department of Computer Science, Old Dominion University, Norfolk, VA 23529, USA) Abstract: The purpose of this work is to accelerate the singular value thresholding (SVT) algorithm, which is a representative algorithm of matrix completion, while preserving the accuracy. The algorithm first normalizes the input matrix, then use singular value decomposition(SVD) to complete the matrix. Because in each iteration step of the SVT algorithm the SVD of the data matrix is computed, the overall computational time of

文档评论(0)

561190792 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档