Low rank matrix recovery from rank one measurements

We study the recovery of Hermitian low rank matrices X∈Cn×n from undersampled measurements via nuclear norm minimization. We consider the particular scenario where the measurements are Frobenius inner products with random rank-one matrices of the form ajaj⁎ for some measurement vectors a1,…,am, i.e....

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Applied and computational harmonic analysis Ročník 42; číslo 1; s. 88 - 116
Hlavní autoři:	Kueng, Richard, Rauhut, Holger, Terstiege, Ulrich
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Inc 01.01.2017
Témata:	Complex projective designs Convex optimization Low rank matrix recovery Matrix completion Phase retrieval Quantum state tomography Random measurements 90C25 Convex optimization Phase retrieval Complex projective designs 60B20 Random measurements 94A12 Quantum state tomography 81P50 Low rank matrix recovery 94A20 Matrix completion
ISSN:	1063-5203, 1096-603X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!