基于多视角学习的非负函数型矩阵填充算法

摘要

随着数据采集密集化程度的提高,不同领域产生了大量具备曲线特征的函数型数据。这类数据具有多源性和多态性特征,且其离散采样点通常呈现大规模缺失、取值非负的特点。文章针对非负函数型数据的缺失处理展开讨论:在梳理了单视角和多视角数据插补方法的基础上,引入非负约束,采用函数型数据分析方法,试图将非负矩阵分解、多视角学习以及矩阵填充进行融合,构造一种基于多视角学习的非负函数型矩阵填充算法,并给出了交替迭代更新求解算法。模拟和实例数据修复表明,与现有的单视角函数型数据填充方法相比,新方法不仅具有较好的数据修复效果,而且具备明显的计算时间优势。