基于凸优化的压缩感知衍生的矩阵秩最小化和低秩矩阵恢复是近年来的研究热点,该理论可以广泛应用与推荐系统、高维数据分析和计算机视觉等领域。论文"Lingo: Linearized Grassmannian Optimization for Nuclear Norm Minimization "采用了线性化的策略，通过矩阵分解和改进的黎曼梯度算法，解决了传统的SVD方法中面对高维矩阵存在的效率问题，同时理论证明该方法具有较好的收敛性。该项工作获得了CIKM评审专家的一致认可。