摘要：NoisyMatrixDecompositionviaConvexRelaxation:Optimal Rates in High Dimensions摘要：这篇论文主要讨论了一类凸松弛的矩阵分解问题。这类问题适用于很多统计模型：如成分分析，多任务回归和鲁棒协方差估计。作者使用了一个条件更弱的“尖刺度量”（spikiness）来取代传统的“不相干度量”（incoherence），针对凸优化问题的解给出了F范误差的界。此外，作者推出的lower bound和经典的极大最小误差相一致。第一章：作者主要讨论了低秩和稀疏分解情形，这类矩阵分解有很强的应用背景，如高斯协方差选择，多任务回归以及鲁棒协方差 阅读全文