En mathématiques, l'approximation de faible rang est un problème de minimisation où la fonction de coût mesure la qualité de l'ajustement entre une matrice donnée (les données) et une matrice d'approximation (les variables d'optimisation), mais le rang de la matrice d'approximation doit être réduit. Ce problème est utilisé dans la modélisation mathématique et la compression de données. Les contraintes de rang sont liées aux contraintes de complexité sur le modèle qui ajuste les données. Dans les applications, en plus de la contrainte de rang, la matrice d'approximation comporte généralement d'autres contraintes, telles que la non-négativité et la structure de Hankel.

L'approximation de rang faible est étroitement liée à de nombreuses autres techniques, notamment l'analyse en composantes principales, l'analyse factorielle, les moindres carrés totaux, l'analyse sémantique latente, la régression orthogonale et la décomposition de modèles dynamiques.

Références

【1】Wikipédia