多圖正則化非負矩陣分解.pdf_第1頁
已閱讀1頁,還剩34頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、現(xiàn)在是信息大爆炸的時代,人們需要面對海量的資料和高維的數(shù)據(jù),因此如何恰當?shù)乇硎緮?shù)據(jù)顯得尤為重要,數(shù)據(jù)的低維表示也非常具有研究意義。矩陣分解技術是實現(xiàn)數(shù)據(jù)降維的重要方法之一,研究者已經研究出許多經典的矩陣分解算法。在實際應用中,人們發(fā)現(xiàn)矩陣分解算法雖然可以實現(xiàn)數(shù)據(jù)的維數(shù)約減,但它允許輸入的原始數(shù)據(jù)矩陣和分解結果為負值,這不符合實際的物理意義。于是Lee等提出了非負矩陣分解算法,對矩陣所有元素施加了非負性的約束,使得分解形式和分解結果具有可

2、解釋性。在模式識別、計算機視圖、圖像聚類等諸多領域中,NMF已經成為一種非常有效的數(shù)據(jù)表示法,所以基于非負矩陣分解的算法也相繼提出。
  凸非負矩陣分解(CNMF)算法是非負矩陣分解(NMF)算法的一種變型,在CNMF中,每一類都表示成數(shù)據(jù)點的線性組合,每一個數(shù)據(jù)點都表示成類中心的線性組合。然而,當流形中存在非線性結構時,CNMF和NMF都不能表示數(shù)據(jù)點的幾何結構。最近流形學習理論在機器學習領域受到了廣泛關注,將流形學習思想和非負

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論