基于加权核范数的低秩矩阵近似及其应用
【摘要】 基于核范数的低秩矩阵近似模型，由于对所有奇异值的惩罚力度一样，导致不能很好地反映原矩阵的特性，针对此问题提出了带初始值引导的加权核范数最小模型。首先，通过构造和奇异值的大小相反的权值，使得近似），提出了求解加权核范数最小模型的矩阵能够很好地逼近原矩阵;其次，改进线性搜索加速近端梯度算法（算法;然后，使用适当的预估方法，构造初始引导矩阵，来提高算法的收敛速度;最后，证明了新提出算算法进行比较。基于同样的数据集，改进算法和APGL--APGLWNNM法的收敛性，使用数据集，对所提出的的加权核范数算法比主流的优化算法效果更好。MoiveLensAPGLWNNMAPGL
