包含三个矩阵完成算法和一个用于运行它们的演示脚本。 还与其他矩阵完成算法进行比较 - 奇异值阈值和定点迭代。 解决以下三个优化问题： min rank(X) 服从 ||y - M(X)||_2<err 通过迭代硬阈值minnuclear-norm(X) 服从 ||y - M(X)||_2<err 通过迭代软阈值min ||S||_p 服从 ||y - M(X)||_2<err，其中 S = svd(X) 通过迭代软阈值需要 Sparco，因为已根据 Sparco 框架定义了屏蔽运算符。 http://www.cs.ubc.ca/labs/scl/sparco/ 这些算法足够通用，可以与任何其他线性运算符一起使用，而不仅仅是掩蔽运算符。 当问题归结为矩阵补全时，掩码运算符只是一种特殊情况。 要将结果与其他算法进行比较，请下载奇异值阈值工具箱http://svt.caltech.edu/

近年来,随着压缩感知技术在信号处理领域的巨大成功,由其衍生而来的矩阵补全技术也日益成为机器.学习领域的研究热点,诸多研究者针对矩阵补全问题展开了大量卓有成效的研究.为了更好地把握矩阵补全技术的.发展规律,促进矩阵补全理论与工程应用相结合,本文针对矩阵补全模型及其算法进行综述.首先对矩阵补全技术进.行溯源,介绍了从压缩感知到矩阵补全的自然演化历程,指出压缩感知理论的发展为矩阵补全理论的形成奠定了基.础;其次从非凸非光滑秩函数松弛的角度将现有矩阵补全模型进行分类,旨在为面向具体应用的矩阵补全问题建模.提供思路;接着综述了适用于矩阵补全模型求解的代表性优化算法,其目的在于从本质上理解各种矩阵补全模型优.化技巧,从而有利于面向应用问题的矩阵补全新模型求解;最后分析了矩阵补全模型及其算法目前存在的问题,提出.了这些问题可能的解决思路,并对未来研究方向进行了展望.

完成一个缺少条目的矩阵，使得获得的矩阵具有最小范数。 用法： [CompletedMat, ier] = MatrixCompletion(A.*B, B,N, mode, lambda_tol, tol, display); A - 矩阵完成B - 二进制矩阵表示 A 中的值或缺失条目（相同大小，1 - 已知值，0 - 缺失值） N - 迭代次数mode - 工作模式：可以是“核”、“光谱” lambda_tol - 核/谱范数最小值的容差值tol - 对已知条目的容忍度输出： CompletedMat - 完成矩阵ier - 错误指示符：0 - 正常，1 - 未能收敛（可能需要更多的迭代）。 要进行演示，请运行demo.m 代码基于论文： G. Shabat, A. Averbuch “Interest Zone Matrix Approximation”，线性代数电子期刊，Vol。

一种矩阵补全的MATLAB实现方法 LowRank-MatrixCompletion

基于线性Bregman迭代的矩阵补全MATLAB代码实现，其中包含固定步长和变步长的线性Bregman。