恶劣场景下更稳
自适应分配惩罚权重，结合交通异常的物理先验，在高度恶劣场景下优于现有张量补全方法，适用于车辆状态恢复。
Hu, Liyang · Weijie, Chen · Liu, Yang · Xiaobo, Qu · 叶智锐
IEEE Transactions on Intelligent Vehicles 2025
基于新颖的拉普拉斯范数，为每个奇异值自动分配权重，无需进行参数设定。
考虑交通异常的随机性、稀疏性与时间连续性，设计正则化项以增强鲁棒性。
在高度恶劣的场景下尤其优于现有解决方案，实验已证实这一优势。
采用 ADMM 框架结合数值技术，可在百万级数据集上高效求解。