Generalized Matrix Local Low Rank Representation by Random Projection and Submatrix Propagation

Matrix low rank approximation is an effective method to reduce or eliminate the statistical redundancy of its components. Compared with the traditional global low rank methods such as singular value decomposition (SVD), local low rank approximation methods are more advantageous to uncover interpreta...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings / International Conference on Knowledge Discovery and Data Mining Ročník 2023; s. 390
Hlavní autoři:	Dang, Pengtao, Zhu, Haiqi, Guo, Tingbo, Wan, Changlin, Zhao, Tong, Salama, Paul, Wang, Yijie, Cao, Sha, Zhang, Chi
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States 01.08.2023
Témata:	Representation learning Randomized matrix approximation Computing methodologies→Machine learning algorithms Random projection Sub-matrix detection Local low rank matrix
ISSN:	2154-817X
On-line přístup:	Zjistit podrobnosti o přístupu
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!