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
已閱讀1頁,還剩62頁未讀 繼續(xù)免費閱讀

下載本文檔

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

文檔簡介

1、非負矩陣分解是一種新興的能夠保持數(shù)據(jù)非負性的非監(jiān)督機器學習技術(shù)。傳統(tǒng)的非負矩陣分解算法實現(xiàn)非負約束主要有兩種方法。第一種方法只在迭代過程中使用矩陣乘法、矩陣加法、矩陣點乘和矩陣點除這四種能夠保持矩陣非負性的矩陣運算,從而整個迭代算法也是可保持非負性的。這類算法普遍存在收斂速度慢或重構(gòu)誤差大的問題。第二種算法允許數(shù)值計算過程中自由使用各種矩陣運算。對于出現(xiàn)的負元素,這類算法需要強制添加一步非負化的操作,比如將出現(xiàn)的負元素投影為0。投影操作

2、會使收斂性的理論分析變得復雜,甚至導致算法的失去穩(wěn)定性。
  針對傳統(tǒng)非負矩陣分解算法在數(shù)值計算的每次迭代中強制非負約束而帶來的種種問題,本文提出了兩種全新的NMF算法:松弛約束非負矩陣分解算法和弱約束非負矩陣分解算法。
  松弛約束非負矩陣分解算法是一種在數(shù)值計算之后再實現(xiàn)非負約束的算法。該算法把非負矩陣分解問題拆分松弛問題和約束問題。在松弛階段,不考慮非負約束,先在實數(shù)范圍內(nèi)求解出一組矩陣分解;在約束階段,再通過適當?shù)姆?/p>

3、法將這組實數(shù)分解轉(zhuǎn)化為非負分解。通過這樣兩步來完成非負矩陣分解。對于松弛階段,本文提出了自適應松弛約束非負矩陣分解算法,并證明了算法的收斂性。對于約束階段,本文在給出了兩個實數(shù)矩陣可非負化的判定條件;對秩為2的情況,設計了非負化算法;對秩大于2的情況,給出了近似非負化算法。
  弱約束非負矩陣分解算法是一種對數(shù)值求解的單次迭代沒有強制的非負性要求、而是在整個求解過程中逐漸實現(xiàn)非負性約束的一種新型非負矩陣分解算法。通過引入非負約束強

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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。

評論

0/150

提交評論