Résumé : Nous proposons une nouvelle classe d'algorithmes pour la complétion de matrice de rang faible. Notre approche s'appuie sur de nouvelles fonctions de pénalité sur les valeurs singulières de la matrice de rang faible. En exploitant une représentation basée sur un modèle de mélange de cette pénalité, nous montrons qu'un ensemble de variables latentes convenablement choisi permet de dériver un algorithme EM pour obtenir une estimation du Maximum A Posteriori de la matrice de rang faible complétée. L'algorithme résultant est un algorithme à seuillage doux itératif qui adapte de manière itérative les coefficients de réduction associés aux valeurs singulières.
https://hal.inria.fr/hal-01027442
Contributeur : Adrien Todeschini
<>
Soumis le : mardi 22 juillet 2014 - 08:38:52
Dernière modification le : jeudi 11 janvier 2018 - 06:22:11
Document(s) archivé(s) le : lundi 24 novembre 2014 - 21:46:37
Adrien Todeschini, Francois Caron, Marie Chavent. Complétion de matrice de rang faible probabiliste à l'aide d'algorithmes de régularisation spectrale adaptatifs. 46e Journées de Statistique, Jun 2014, Rennes, France. 2014, 〈http://papersjds14.sfds.asso.fr/submission_235.pdf〉. 〈hal-01027442〉
