研究者たちは、既存のRTRMCフレームワークにグラフ正則化を組み込んだGraph-Regularized Riemannian Trust-Region Matrix Completion (GR-RTRMC)を導入した。このアプローチは、行と列の間の内在的な関係を活用し、問題をグラスマン多様体上の制約なし最適化として再構築する。

  • 本手法は行列要素間の相関を捉えるためにグラフ正則化を統合する。
  • 最適化のために低ランク制約の幾何学を利用する。
  • この技術は、強い行または列の相関を持つデータにおける精度と堅牢性の向上を目指している。

この修正は、基礎となるデータが顕著な構造的依存性を示す特定のシナリオにおいて補完性能を改善するために設計されている。