基于矩阵分解的高维对称稀疏网络缺失信息的估计方法

本发明公开了一种基于矩阵分解的高维对称稀疏网络缺失信息的估计方法，本方法首先初始化低维潜在特征矩阵，确定其个数和矩阵内部元素的初始化数值；基于高维对称稀疏网络中的已知元素设计目标函数；利用梯度学习方法，设计目标函数的求解算法；通过求解算法，最小化目标函数，得到潜在特征矩阵；将潜在特征矩阵相乘，得到高维对称稀疏网络的估计矩阵，由估计矩阵得到高维对称稀疏网络中的缺失信息。本方法克服现有从高维稀疏矩阵中提取有用信息的缺陷，提高缺失信息估计准确度和计算效率，并保证满足预测对称性和非负性。