面向时序数据的矩阵分解

来源：软件学报杂志2015年第9期北京时间：

作者：黄晓宇,潘嵘,李磊,梁冰,陈康,蔡文学

单位：黄晓宇，华南理工大学 经济与贸易学院, 广东 广州 510006;中山大学 计算机软件研究所, 广东 广州 51027511,潘嵘，中山大学 计算机软件研究所, 广东 广州 51027502,李磊，中山大学 计算机软件研究所, 广东 广州 51027503,梁冰，中国电信股份有限公司 广东研究院, 广东 广州 51063004,陈康，中国电信股份有限公司 广东研究院, 广东 广州 51063005,蔡文学，华南理工大学 经济与贸易学院, 广东 广州 51000606

摘要：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≈UT×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.

关键词：矩阵分解;时间序列数据;概率图模型;缺失估计;低秩近似

基金资助：国家高技术研究发展计划(863)(2012AA12A203); 国家自然科学基金(61003140); 国家社会科学基金(13BTJ005)