文献类型：期刊文章

作　　者：陈蕾[1,2,3] 陈松灿[1]

机构地区：[1]南京航空航天大学计算机科学与技术学院,江苏南京210016 [2]江苏省无线传感网高技术研究重点实验室(南京邮电大学),江苏南京210003 [3]南京邮电大学计算机学院,江苏南京210003

出　　处：《软件学报》

基　　金：国家自然科学基金(61472186;61572263;61403208);江苏省自然科学基金(BK20161516;BK20151511);中国博士后科学基金(2015M581794);江苏省高校自然科学研究面上项目(15KJB520027);江苏省博士后科研资助计划(1501023C);南京邮电大学校级科研基金(NY214127;NY215097)~~

年　　份：2017

卷　　号：28

期　　号：6

起止页码：1547-1564

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：近年来,随着压缩感知技术在信号处理领域的巨大成功,由其衍生而来的矩阵补全技术也日益成为机器学习领域的研究热点,诸多研究者针对矩阵补全问题展开了大量卓有成效的研究.为了更好地把握矩阵补全技术的发展规律,促进矩阵补全理论与工程应用相结合,针对矩阵补全模型及其算法进行了综述.首先,对矩阵补全技术进行溯源,介绍了从压缩感知到矩阵补全的自然演化历程,指出压缩感知理论的发展为矩阵补全理论的形成奠定了基础;其次,从非凸非光滑秩函数松弛的角度将现有矩阵补全模型进行分类,旨在为面向具体应用的矩阵补全问题建模提供思路;然后综述了适用于矩阵补全模型求解的代表性优化算法,其目的在于从本质上理解各种矩阵补全模型优化技巧,从而有利于面向应用问题的矩阵补全新模型求解;最后分析了矩阵补全模型及其算法目前存在的问题,提出了可能的解决思路,并对未来的研究方向进行了展望.

关 键 词：稀疏学习  矩阵补全  压缩感知 矩阵分解 随机优化  

分 类 号：TP181]