![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/7/23/049938fa-f19e-4ef7-abaf-c6a6cd86b485/049938fa-f19e-4ef7-abaf-c6a6cd86b485pic.jpg)
![2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/7/23/049938fa-f19e-4ef7-abaf-c6a6cd86b485/049938fa-f19e-4ef7-abaf-c6a6cd86b4851.gif)
已閱讀1頁,還剩45頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、非負矩陣分解(NMF),作為一種從高維數(shù)據(jù)中找尋低維表示的技術(shù),在現(xiàn)實生活中有廣泛的應(yīng)用需求。由于模型非負性和分解的疊加性,NMF往往能產(chǎn)生數(shù)據(jù)基于部分的非負表示,從而在現(xiàn)實應(yīng)用中具有很好的現(xiàn)實物理意義。由此引發(fā)了對該類問題研究的廣泛關(guān)注,發(fā)展出了一系列的算法技術(shù)。
本文介紹了非負矩陣模型(NMF)的基本問題及研究現(xiàn)狀,回顧和闡述了非負矩陣分解的各類算法的想法和實現(xiàn)步驟。然后本文轉(zhuǎn)到一種基于圖的非負矩陣分解模型(GNMF)
2、,提出了添加稀疏化正則的非負矩陣分解模型RGNMF,并推導了相應(yīng)的算法公式。在實驗部分,我們對RGNMF模型與GNMF模型進行了比較。RGNMF模型在稀疏性上有明顯的改善。在一個聚類問題上,本文提出的模型RGNMF相比GNMF模型有更好的聚類表現(xiàn)。最后,本文比較了幾種較好的初始化策略。發(fā)現(xiàn)在模糊聚類的初始化方法中,對H矩陣采用隨機初始和歸一化處理,比單純地采用模糊聚類結(jié)果:UT,來初始化H,要有好的表現(xiàn)。實驗結(jié)果也顯示,在迭代步足夠多時
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏非負矩陣分解的圖像檢索.pdf
- 基于非負稀疏矩陣分解的手指靜脈識別.pdf
- 腫瘤異質(zhì)性研究的非負矩陣分解模型.pdf
- 基于非負稀疏矩陣分解的人臉表情識別
- 稀疏約束非負矩陣分解算法及其應(yīng)用研究.pdf
- 稀疏約束非負矩陣分解方法及其應(yīng)用研究.pdf
- 基于非負稀疏矩陣分解的人臉表情識別.pdf
- 非負矩陣的分解.pdf
- 基于類別信息和稀疏表示的非負矩陣分解.pdf
- 稀疏非負矩陣分解研究及其在手機圖像中的應(yīng)用.pdf
- 多圖正則化非負矩陣分解.pdf
- 矩陣的非負分解算法及應(yīng)用.pdf
- 基于稀疏約束非負矩陣分解算法的故障檢測與診斷.pdf
- 改進的鑒別性非負矩陣分解方法研究.pdf
- 無需重新初始化模型的研究.pdf
- 基于非負矩陣分解和稀疏表示的人臉識別算法研究.pdf
- 基于稀疏非負矩陣分解的大鼠工作記憶稀疏編碼與功能連接的研究.pdf
- 非負低秩組稀疏矩陣分解及其圖像檢索應(yīng)用.pdf
- 基于稀疏表示和非負矩陣分解的部分遮擋人臉識別研究.pdf
- 稀疏圖正則非負矩陣分解及其在人臉識別中的應(yīng)用.pdf
評論
0/150
提交評論