首页/论文/1605.03040

arXiv 1605.030402016-05-10stat.ML

关于矩阵补全的统计视图的注记

A note on the statistical view of matrix completion

Tianxi Li

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

基于统计模型，给出了矩阵完备化问题的一种简单解释。结合已知的缺失数据分析结果，这种解释表明，即使没有完全随机缺失（MCAR）假设，矩阵补全仍然是一个有效的和原则性的估计程序，几乎所有的矩阵补全的理论研究假设。

英文摘要：

A very simple interpretation of matrix completion problem is introduced based on statistical models. Combined with the well-known results from missing data analysis, such interpretation indicates that matrix completion is still a valid and principled estimation procedure even without the missing completely at random (MCAR) assumption, which almost all of the current theoretical studies of matrix completion assume.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

一般结构约束下矩阵完备化的统一观点

Unified View of Matrix Completion under General Structural Constraints

本文给出了由{ \em any}范数正则化引起的一般低维结构约束下矩阵完备化的统一分析。我们考虑了一般结构矩阵完备化问题的两种估计，并给出了样本复杂度和估计误差的统一上界。我们的分析依赖于通用链接的结果，我们建立了两个独立的中间结果：（a）在表征高维环境空间中的低维子集的大小或复杂性时，在矩阵完备问题的分析中遇到的某个部分复杂性度量根据高斯宽度的公知复杂性度量来表征，（b）证明了矩阵完备化问题在一般范数正则化下的一种形式的限制强凸性。此外，我们提供了几个非平凡的例子，包括在我们的框架结构，特别是最近提出的光谱$k$支持规范。

2018-11-21stat.ML

关于矩阵补全问题交替最小化算法的注记

A Note on Alternating Minimization Algorithm for the Matrix Completion Problem

MIT（麻省理工学院）；Los Alamos Research Laboratory（洛斯阿拉莫斯研究实验室）

本文分析了两种交替最小化算法变体在低秩矩阵补全问题中的性能，证明当矩阵秩为1且满足特定条件时，算法能在多项式时间内近似重建矩阵，并通过模拟结果表明第二种基于消息传递更新的算法表现更优。

2016-02-05cs.LGcs.NAmath.NA

几何矩阵完备化：一个函数的观点

Geometric Matrix Completion: A Functional View

LIX, École Polytechnique（巴黎综合理工学院LIX实验室（LIX, École Polytechnique））

提出了几何矩阵完备化问题的一种全泛函观点。从现有的工作中，我们提出了一种新的正则化的启发，从功能图文献，更可解释的和理论上的声音。在具有强大的底层几何结构的合成任务上，我们的框架以巨大的优势（两个数量级）超过了最先进的技术，这表明了我们方法的潜力。在真实的数据集上，我们以以前方法的一小部分计算工作量实现了最先进的结果。我们的代码可在https://github.com/Not-IITian/functional-matrix-completion上公开获取

2020-09-29cs.CVcs.LGcs.SI

多标记图像分类的多视图矩阵完备化方法

Multi-View Matrix Completion for Multi-Label Image Classification

Peking University（北京大学）；University of Technology, Sydney（悉尼科技大学）

由于多标签图像分类在基于Web的图像分析应用中的重要作用，例如大规模图像检索和浏览，因此对多标签图像分类的兴趣越来越大。矩阵补全最近被引入作为一种用于转导（半监督）多标签分类的方法，并且具有几个明显的优点，包括对特征和标签空间中的缺失数据和背景噪声的鲁棒性。然而，它是有限的，只考虑由一个单一的视图功能，它不能精确地描述包含几个语义概念的图像表示的数据。为了利用从不同视图获取的多个特征，我们必须将不同的特征连接为一个长向量。但是这种级联容易过拟合，并且通常导致基于MC的图像分类的非常高的时间复杂度。因此，我们建议加权合并不同视图的MC输出，并提出了多视图矩阵完成（MVMC）框架的直推式多标签图像分类。为了有效地学习视图组合权重，我们在标记集上应用交叉验证策略。在学习过程中，我们采用了平均精度（AP）损失，这是特别适合于多标签图像分类。最小二乘损耗公式也提出了为了效率，和鲁棒性的算法的基础上的AP损失相比，其他损失进行了研究。在PASCAL VOC' 07和MIRFlickr两个真实数据集上的实验结果表明，MVMC算法能够有效地实现多标签图像的半监督分类，并且能够利用不同特征的互补特性和输出一致性标签来提高多标签图像分类的质量.

2019-04-08cs.CVcs.LGstat.ML

矩阵完备化问题的置信集构造

Constructing confidence sets for the matrix completion problem

在本说明中，我们考虑的问题，构建诚实的和自适应的信心集的矩阵完成问题。对于噪声方差已知的Bernoulli模型，给出了一种构造适应于真矩阵秩未知的置信集的可实现方法。

2017-04-10math.STstat.TH

并子空间模型下矩阵完备化的信息论界

Information-theoretic Bounds on Matrix Completion under Union of Subspaces Model

在这个简短的说明中，我们扩展了一些最近的结果矩阵完成的假设下，矩阵的列可以分组（集群）到子空间（不一定不相交或独立）。该模型偏离了文献中处理大数据应用程序的压缩和恢复的典型假设。这些结果对信息缺失或不完全情况下的子空间聚类问题有直接的影响。

2015-08-14cs.ITmath.ITstat.ML

更多相关论文收起更多论文

缺失条目的矩阵逼近与补全

Missing Entries Matrix Approximation and Completion

School of Electrical Engineering Tel Aviv University（电气工程学院特拉维夫大学）；School of Computer Science Tel Aviv University（计算机科学学院特拉维夫大学）

针对仅部分条目已知的矩阵，提出一系列算法实现矩阵补全与逼近，支持低秩、核范数、谱范数等多种约束，并证明凸情形下全局收敛，无需参数且适用于图像重建及偏微分方程数据恢复。

2014-06-29cs.LGcs.NAmath.NA

图卷积矩阵完备化

Graph Convolutional Matrix Completion

University of Amsterdam（阿姆斯特丹大学）；Canadian Institute for Advanced Research（加拿大高等研究院）

我们考虑矩阵完成推荐系统的链接预测图的角度来看。交互数据，如电影评级，可以表示为二分用户项目图与标记的边缘表示观察到的评级。基于图结构数据深度学习的最新进展，我们提出了一个基于二分交互图上可区分消息传递的图自动编码器框架。我们的模型在标准的协同过滤基准测试中表现出了竞争力。在提供免费功能信息或结构化数据（如社交网络）的环境中，我们的框架优于最近的最先进的方法。

2017-10-25cs.DBcs.IRcs.LG

矩阵完备化中的典型秩和一般秩

Typical and Generic Ranks in Matrix Completion

我们从几何的角度考虑低秩矩阵的精确完备化问题：给定一个部分填充矩阵M，我们保持指定和未指定元素的位置固定，并研究最小完备秩如何依赖于已知元素的值.如果矩阵的元素是复数，则对于指定和未指定元素的位置的固定模式，存在以正概率出现的唯一完成秩。我们称这个等级为通用完成等级。在实数上，可以有多个以正概率出现的秩;我们称之为典型的完成秩。我们正式介绍这些概念，并提供了一些不等式和确切的结果，典型的和通用的不同家庭的模式的已知和未知的条目的排名。

2019-09-22cs.NAmath.AGmath.NA

噪声矩阵完备化的贝叶斯方法：一般抽样分布下的最优填充率

A Bayesian Approach for Noisy Matrix Completion: Optimal Rate under General Sampling Distribution

贝叶斯方法的低秩矩阵完成噪声已被证明是非常有效的计算。虽然惩罚最小化方法的行为是很好地理解从理论和计算的角度来看，在这个问题上，贝叶斯估计的理论最优性尚未探讨。本文提出了一般抽样分布下矩阵完备化的贝叶斯估计。我们还提供了一个预言不等式的估计。这个不等式证明，无论矩阵的秩估计，我们的估计达到最小最大最优的收敛速率（对数因子）。最后，我们进行了一个简短的模拟研究。

2015-01-21math.STstat.TH

含噪声低秩矩阵完备化的最优谱范数速率

Optimal spectral norm rates for noisy low-rank matrix completion

在本文中，我们考虑的迹回归模型中，$n$项目或项目的线性组合的未知$m_1\times m_2$矩阵$A_0$被噪声破坏的观察。对于在\cite{KLT}中引入的$A_0$的核范数惩罚估计，在观测项的抽样分布$Π$上的非相干条件下，建立了一个对$n,m_1,m_2$的任意值具有谱范数的一般的sharp oracle不等式.然后，我们将此方法应用于矩阵完备化问题。在这种情况下，我们证明了它满足一个最佳的预言不等式的谱范数，从而改进了现有的唯一结果\cite{KLT}有关谱范数，假设抽样分布是均匀的。注意，我们的结果是有效的，特别是在高维设置$m_1m_2\gg n$。最后，我们表明，所获得的速率是最佳的对数因子在极大极小意义上。

2011-10-24math.STstat.TH

多视图内核完成

Multi-view Kernel Completion

Helsinki Institute for Information Technology HIIT（赫尔辛基信息技术研究所（HIIT））；Aalto University School of Science and Technology（阿尔托大学科学与技术学院）

在本文中，我们介绍了第一种方法，（1）可以完成完全缺失行和列的核矩阵，而不是个别缺失的核值，（2）不需要任何核是先验完整的，（3）可以处理非线性核。这些方面在实际应用中是必要的，例如集成遗留数据集，在传感器故障下学习，以及在某些视图的测量成本高昂时学习。所提出的方法预测丢失的行建模内的视图和视图之间的关系内核值。我们表明，无论是在模拟数据和现实世界的数据，所提出的方法优于现有的技术，在有限的设置，它们是可用的，并扩展适用性到新的设置。

2016-02-08cs.LGstat.ML

低秩数据补全的秩确定

Rank Determination for Low-Rank Data Completion

Columbia University（哥伦比亚大学）；Purdue University（普渡大学）

近年来，对于给定秩的低秩矩阵或张量的有限可完备性，得到了抽样模式的基本条件。在本文中，我们考虑的情况下，排名是不给定的，我们的目标是近似未知的排名的基础上采样条目的位置和一些给定的完成。我们考虑了一些数据模型，包括单视图矩阵，多视图矩阵，CP张量，张量训练张量和Tucker张量。对于这些数据模型中的每一个，我们提供了一个上界的秩时，一个任意的低秩完成。我们确定性地描述这些界限，即，假设采样模式满足某些组合性质，概率为1，并且概率上，即，假设采样概率高于某个阈值，则具有高概率。此外，对于单视图矩阵和CP张量，我们能够证明，如果最低秩完成给定，所获得的上界正好等于未知秩。此外，我们提供了数值实验的情况下，单视图矩阵，我们使用核范数最小化找到一个低秩完成的采样数据，我们观察到，在大多数情况下，建议的上限上的秩等于真正的秩。

2017-07-03cs.LGstat.ML

不完整多视图聚类 via 层次语义对齐与合作完成

Incomplete Multi-view Clustering via Hierarchical Semantic Alignment and Cooperative Completion

School of Computer and Artificial Intelligence, Nanjing University of Finance and Economics（计算机与人工智能学院，南京财经大学）

本文提出HSACC框架，通过层次语义对齐与动态权重分配解决不完整多视图聚类问题，实现鲁棒融合与协同学习。

2026-02-20cs.AIcs.LGeess.IV

丢失视图：通过隐式正弦图完成有限角度CT重建

Lose The Views: Limited Angle CT Reconstruction via Implicit Sinogram Completion

Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）

计算机断层扫描（CT）重建是从安全到医疗保健的各种应用的基本组成部分。经典技术需要从对象的完整180 $^\circ$视图测量投影，称为正弦图。当视角小于180 $^\circ$时，这在有限角度场景中是不切实际的，这可能由于不同的因素而发生，包括对扫描时间的限制、扫描仪旋转的有限灵活性等。因此获得的正弦图导致现有技术产生高度伪影的重建。在本文中，我们建议解决这个问题，通过隐式正弦图完成，在一个具有挑战性的现实世界的数据集包含扫描常见的托运行李。我们提出了一个系统，由1D和2D卷积神经网络，在有限的角度正弦图直接产生重建的最佳估计。接下来，我们在该重建上使用X射线变换以获得“完整的”正弦图，就好像它来自完整的180 $^\circ$测量。我们将其馈送到标准分析和迭代重建技术以获得最终重建。我们通过大量的实验表明，这种组合策略优于许多竞争对手的基线。我们还提出了一个重建的信心措施，使从业者能够衡量我们的网络所做的预测的可靠性。我们表明，这一措施是一个强有力的质量指标，测量的PSNR，而不需要地面真理在测试时。最后，使用分割实验，我们表明，我们的重建有效地保留了物体的三维结构。

2018-07-11cs.CVstat.ML

跨视图内核迁移

Cross-view kernel transfer

Helsinki Institute for Information Technology HIIT（赫尔辛基信息技术研究所（HIIT））；Aalto University（阿尔托大学）；Aix-Marseille University（艾克斯-马赛大学）；CNRS（法国国家科学研究中心）；Turing Center for Living Systems (CENTURI)（图灵生命系统中心（CENTURI））

我们考虑的内核完成问题的存在下，在数据中的多个视图。在这种情况下，某些视图中的数据样本可能完全缺失，从而为每个视图单独计算的内核矩阵创建缺失的列和行。我们建议解决的问题，完成核矩阵的跨视图核转移（CVKT）的过程中，其他视图的功能被转换为表示正在考虑的视图。通过与核矩阵的已知部分的核对齐来学习变换，从而允许在完成时在核矩阵中找到可推广的结构。然后可以使用其他视图中的可用数据预测其缺失值。我们使用模拟数据、多变量数字数据集和手势分类的多视图数据集，以及来自早期\textit{Drosophila melanogaster}胚胎发生模式形成研究的真实生物数据集来说明我们的方法的好处。

2022-05-31cs.LGstat.ML