有没有比直接计算 SVD(A)(或对角化 A^*A)更快的方法来计算矩阵 A 的核范数(迹范数,奇异值之和)?
我对 A 是正方形的情况特别感兴趣。假设 A 是真实的也可以。我在考虑大矩阵的极限。
有没有比直接计算 SVD(A)(或对角化 A^*A)更快的方法来计算矩阵 A 的核范数(迹范数,奇异值之和)?
我对 A 是正方形的情况特别感兴趣。假设 A 是真实的也可以。我在考虑大矩阵的极限。
根据您的情况,也许您可以利用 Recht、Fazel 和 Parrilo 的这篇论文的结果,“通过核范数最小化保证线性矩阵方程的最小秩解”,2007 年。
如果矩阵的秩上限为,则:
Feng、Xu 和 Yan使用该结果推导出他们的在线鲁棒 PCA 算法,以消除对奇异值分解的任何需求。