Time-series imputation using low-rank matrix completion
利用低秩矩阵补全进行时间序列缺失值插补AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究时间序列缺失观测的插补，未涉及明确的经济预测或因果估计目标。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用低秩矩阵补全进行时间序列缺失值插补
- 研究问题
- 能否通过时间序列的块 Hankel 矩阵低秩补全有效插补缺失观测，并在计算成本不同的现有方法中保留尖峰等局部特征？
- 方法与思路
- 作者把时间序列表示为块 Hankel 矩阵，进行低秩补全，并通过模拟实验与五种已有插补技术比较插值表现及计算投入。
- 材料陈述的贡献
- 摘要称，Hankel 插补方法在缺失时间序列插值中具有竞争力，尤其显示出重现数据尖峰的潜力，但未报告具体改善数值。
- 阅读关注点
- 应核对块 Hankel 构造、秩选择、优化算法与缺失模式，区分利用未来观测的离线插值和只能使用历史信息的在线处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明低秩条件、缺失机制及误差指标，尖峰恢复的适用边界尚不清楚。
原文摘要
We investigate the use of matrix completion methods for time-series imputation. Specifically we consider low-rank completion of the block-Hankel matrix representation of a time-series. Simulation experiments are used to compare the method with five recognised imputation techniques with varying levels of computational effort. The Hankel Imputation (HI) method is seen to perform competitively at interpolating missing time-series data, and shows particular potential for reproducing sharp peaks in the data.