qq_37421110的博客

承接低秩矩阵恢复模型笔记，记录第一个低秩矩阵恢复算法——奇异值阈值（Singular Value Thresholding, SVT），记录学习内容，内容非原创。1奇异值分解(Singular Value Decomposition,SVD)设X∈Rm×nX\in R_{m\times n}X∈Rm×n​,定义X=UΣVTX=U\Sigma V^TX=UΣVT其中，U，V为正交矩阵，Σ\Sig...

1范数把R2空间中向量长度的概念推广到更一般的线性空间中，可以得到更一般的具有长度的概念，需要满足下列公理：p范数以n维空间向量为例，x=(ξ1,ξ2,…,ξn)∈Rn,通常定义如下范数∣∣x∣∣p=(∑k=1n∣ξi∣p)1p1≤p<∞∣∣x∣∣∞=max1≤k≤n∣ξk∣p=∞||x||_p=(\sum_{k=1}^n |ξ_i|^p)^\frac{1}{p}\qquad1\le...

最近在做的研究生课题接触到了低秩矩阵恢复的理论与方法，在学习过程中有很多基础知识的欠缺，希望通过写博客的过程记录一些学习笔记。注：本博客中的理论主要参考自文献[^1] ，非原创内容。1.压缩传感1.1稀疏性对于以向量x0 ∈Rn 表示的信号，其稀疏性即指向量x0中非零元素的个数。数学表示即l0范数（零范数），||x0||：=|{i:xi ≠ 0}|。1.2采样定理经典的Nyquist-S...