论文部分内容阅读
研究一类特殊的矩阵分解问题：对由多个对象在一组连续时间点上产生的数据构成的矩阵R，寻求把它近似地分解为两个低秩矩阵U和V的乘积，即R≈U^T×V．有为数众多的时间序列分析问题都可归结为所研究问题的求解，如金融数据矩阵的因子分析、缺失交通流数据的估计等．提出了该问题的概率图模型，进而由此导出了其约束优化模型，最终给出了模型的求解算法．在不同的数据集上进行实验验证了该模型的有效性．