研究人员引入了Graph-Regularized Riemannian Trust-Region Matrix Completion (GR-RTRMC)，将图正则化整合到现有的RTRMC框架中。该方法利用行与列之间的固有关系，将问题重构为格拉斯曼流形上的无约束优化。

  • 该方法整合了图正则化以捕捉矩阵元素间的相关性。
  • 它利用低秩约束的几何结构进行优化。
  • 该技术旨在增强具有强行或列相关性数据的准确性和鲁棒性。

这种修改旨在特别改善底层数据表现出显著结构依赖性的场景中的补全性能。