最近，提出了一种贪婪算法，称为最小秩近似原子分解（ADMiRA）。 当矩阵的秩已知时，它解决了低秩矩阵近似问题。 然而，在实际应用中，矩阵的等级通常是未知的。 本文基于最小秩逼近的原子分解，提出了一种用于低秩矩阵完成的秩自适应原子分解算法（RAADLRMC）。 RAADLRMC的优点在于，当未给出矩阵的参数rank-r时，它可以工作。 此外，自适应地减小迭代的步长，以提高效率和准确性。 如我们的实验所示，我们的算法是鲁棒的，并且矩阵的秩可以被准确地预测。

IALM处理低秩分解的代码

Rank-Deficient and Discrete Ill-Posed Problems: Numerical Aspects of Linear Inversion (Monographs on Mathematical Modeling and Computation)

LRR低秩表示文献

窗帘和比法matlab代码模型敏感性分析 用于分析模型参数敏感性的拉丁超立方采样和部分秩相关系数。 LHS + PRCC 是研究数学模型对其参数的敏感性的有用方法。 这有助于开发模型以了解其在各种参数范围内的行为，以及更好地了解参数估计中的不确定性如何影响模型给出的结果。 该过程的概述以 pdf 幻灯片格式提供。 蒙特卡罗研究中用于参数采样的 LHS 方法首先由 . 在不久的将来，BioRxiv（作为数学肿瘤学频道的一部分）将对该方法的实用性进行简要说明。 该存储库包含在 matlab 或 python 中进行 LHS+PRCC 分析的代码，具体取决于用户偏好。 MATLAB Matlab 文件 LHSPRCC.m 是主要代码文件，它调用函数 DrawSamples.m 来执行拉丁超立方体采样步骤、用于完成蒙特卡罗模拟的任何用户指定的模型函数，以及 UnariedPRCC.m 或 VariedPRCC.m计算部分秩相关系数（在单个时间/位置索引或所有时间/位置）。 LHSPRCC.m 还调用函数 plotSampleHists.m、plotSimulationOutput.m 和 pl

matrix_factorization_recommenders 推荐系统的低秩矩阵分解 Jupyter Notebook将与Recommender Systems的低秩矩阵分解一起发布。

基于凸优化的低秩矩阵分解算法

基于Gabor滤波器和低秩分解的织物缺陷检测算法

RPCA的求解 凸松弛 NP难问题 松弛后 矩阵核范数

一种实现矩阵满秩分解的简单方法，便于用matlab软件实现矩阵的基本运算。