插值分解 (ID)（参见底部的参考资料）在许多结构化矩阵表示中是一种有用的低秩形式。 这个 matlab 代码在我的研究中被大量使用，以实现有效的 ID 近似。
给定一个 m*n 矩阵 A，该代码以以下形式给出了 A 的 rank-k ID 近似值
A \ 近似 U * A(J, :)
其中 J 是大小为 k 的行索引子集，U 是 am*k 矩阵，其条目以预先指定的常数为界。 A(J,:) 和 U 通常分别称为骨架和投影矩阵。
该代码包含具有 (1) 固定秩的 ID 近似值，即 R11 的维数； (2)误差阈值，即上述近似的每一行误差向量的范数都小于阈值。
算法描述：
将 A' 的部分强 RRQR 表示为
A' * P = [Q1, Q2] * [R11, R12; 0, R22]
\大约 Q1 * [R11, R12]
其中P是置换矩阵，[Q1,Q2]是正交矩阵，R11是
评论0
最新资源