1、这篇笔记记录了对谢鲲老师一系列关于“基于稀疏感知的网络探测和时间序列异常检测”论文的深入理解，主要研究集中在如何通过矩阵填充技术处理网络数据的缺失和异常。首先，邓军和谢鲲在2017年的《低秩矩阵填充典型算法》中，讨论了低秩矩阵填充的四类经典算法，研究了秩、阶数和已知元素数量对算法性能的影响。
2、这篇文章主要探讨了基于稀疏感知的网络测量与时间序列异常检测技术，特别是谢鲲老师的系列学术论文。研究集中在如何利用低秩矩阵填充算法处理网络数据中的缺失和损坏，以及通过矩阵补全方法恢复连续丢失和损坏的数据。
3、实践中不论是提取特征-SVM的方法还是原始点云-CNN的方法，由于激光雷达点云本身解析度低的原因，对于反射点稀疏的目标（比如说行人），基于点云的分类并不可靠，所以在实践中，我们往往融合雷达和相机传感器，利用相机的高分辨率来对目标进行分类，利用Lidar的可靠性对障碍物检测和测距，融合两者的优点完成环境感知。
