一种非凸随机优化框架下的矩阵补全算法研究OA
Research on a Matrix Completion Algorithm under the Non-convex Stochastic Optimization Framework
矩阵补全问题可转化为非凸优化问题进行求解,但在高维矩阵或海量数据场景下,传统优化方法易受"维数灾难"制约而难以有效实施.为提升求解效率,文章提出一种融合方差缩减技术的非凸随机优化算法MC_SVR.通过设计minibatch加速策略,该算法在保持计算精度的同时显著提升了运算效率.多组数据集实验表明,相较于传统方法,MC_SVR算法在收敛速度、补全精度等关键指标上均展现出显著优势,尤其在处理大规模矩阵补全问题时,其平均相对误差、迭代次数都有明显的变化…查看全部>>
The matrix completion problem can be solved by transforming into a non-convex optimization problem.However,in high-dimensional matrix or massive data scenarios,traditional optimization methods are easily constrained by"dimension disaster"and they are difficult to implement effectively.In order to improve the efficiency of the solution,this paper proposes a non-convex stochastic optimization algorithm MC_SVR that integrates Variance Reduction technique.By des…查看全部>>
王学伟
云南师范大学 数学学院,云南 昆明 650500||云南省现代分析数学及其应用重点实验室,云南 昆明 650500
计算机与自动化
矩阵补全非凸问题随机优化方差减小
matrix completionnon-convex problemrandom optimizationVariance Reduction
《现代信息科技》 2025 (4)
103-106,111,5
云南省现代分析数学及其应用重点实验室基金资助(202302AN360007)国家自然科学基金项目(62266055)
评论