📖 AI 总结

该研究聚焦于核范数最小化中的迭代重加权最小二乘（IRLS）方法，针对其收敛速率和权重算子的作用机制进行了理论突破。核心贡献在于提出了平滑核范数的紧致优化分析，证明调和平均权重算子构成有效的全局二次优化器，并在幂平均权重族中具有最优性，从而解释了其优于仅利用行或列空间信息的传统单侧加权方案的原因。研究在Schatten-1零空间性质下，证明了多种权重算子下IRLS算法的全局线性收敛性，并特别针对调和平均权重建立了与维度无关的局部线性收敛速率。通过反例表明，文献中常见的单侧权重算子无法普遍达到该维度无关的局部速率。数值实验验证了理论结果，展示了调和平均加权在方阵、矩形矩阵及对抗性初始化恢复问题中的实际优势。

🔑 关键词速览