基于不等概抽样与随机SVD分解的Nystr?m方法

对于大规模数据集,Nystr?m方法是一种较为有效的矩阵低秩逼近技术,旨在从原始数据矩阵中抽取部分列重构原始数据矩阵的低秩逼近矩阵。考虑到不同抽样方法对重构矩阵的精度有较大的影响,文章提出将不等概抽样Nystr?m方法与随机奇异值分解方法相结合,进而在矩阵重构过程中提高矩阵低秩逼近精度,并有效降低计算复杂度。研究结果表明,提出的Nystr?m方法在矩阵重构中具有较高的精确度,且可以极大地降低计算复杂度。