稀疏大数据约束矩阵近似与高效核心集构建技术.pdfVIP

table{border‑collapse:collapse;}table,th,td{border:1pxsolid#000;}

约束，更小的集：稀疏大数

据的约束矩阵近似

DanFeldman计算机科学系海法大学海法，以色列dannyf.post@.com

了一种通用的数据缩减技术，并了可证明的保证，用于在某些l误差下计算矩z

的近似和受约束的分解，例如非负矩阵分解（NMF）。我们的主要算法将给定的n×

阵低秩

d矩简化一个与其行相关的、大小与n和d无关的小加权子集C（称为集）。然后

阵为

们，将现有算法应用于生成的集可以转化为对原始（大型）输入矩阵的(1+ε)近

我证明

似特别，我们了第一个线性时间近似方案（LTAS）用于秩一NMF。

。是

可以在并行计算中仅通过一次遍历可能的行向量流来计算集C。在这个意义上，我们

进

改了[4]（STOC2013最佳）的结果。此外，由于C是这些行的子集，其构建时间、稀

疏（非零元素的数量）以及由此产生的低秩近似的稀疏性取决于输入行的最大稀疏性，而不

性

赖际维度d。在这个意义上，我们改进了Liberty[