光滑矩阵分解补全法

补全更准更快

通过同时对两个因子矩阵施加光滑性约束，避免奇异值分解，在保持高精度的同时显著提升大规模矩阵补全的计算效率。

罗小虎 · Zhang, Zili · 王文东 · 王建军

Journal of Electronic Imaging 2024

技术优势

无需奇异值分解

基于矩阵分解的求解框架完全避免了每轮迭代中的奇异值分解计算，显著降低计算开销，使方法能够处理大规模数据。

精度更高

通过对因子矩阵施加光滑性约束，引导算法选择高质量因子矩阵，从而显著提升矩阵补全的恢复精度。

更易嵌入其他方法

该方法可以方便地嵌入到其他基于矩阵分解的矩阵补全方法中，提升其可扩展性和灵活性。

应用场景

• 推荐系统数据补全：用于补全用户-物品评分矩阵中的缺失项，从而提升推荐质量。
• 图像修复：对缺损图像的像素矩阵进行补全，恢复缺失区域。
• 大规模数据分析：通过避免奇异值分解降低计算量，使矩阵补全可用于大规模数据集。