已閱讀1頁，還剩50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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在處理圖像，文本等現(xiàn)實應(yīng)用中，非負(fù)矩陣的分解NMF有著廣泛的應(yīng)用，尤其是在數(shù)據(jù)的降維和聚類方面。最近，基于圖表示的對稱非負(fù)矩陣分解SymNMF在聚類方面取得了一定的成功，它克服了傳統(tǒng)的非負(fù)矩陣分解NMF及譜聚類的一些缺點，并將它們在聚類中的優(yōu)點很好的保持下來。我們首先從聚類的角度對SymNMF模型進(jìn)行了改進(jìn)，突出了正交性在其中的作用，并應(yīng)用牛頓投影法對該模型進(jìn)行了類似SymNMF的求解，實驗結(jié)果驗證了我們算法的有效性。此外，我們從數(shù)據(jù)降
2、維的角度對SymNMF模型做了推廣，并且在ADMM框架下對其進(jìn)行求解，提出了SymNMFLinearADMM算法。與牛頓投影法相比，SymNMFLinearADMM算法更易計算求解，它不需要計算黑賽矩陣的逆及迭代的步長，更不需要計算函數(shù)值等-諸如此類的運算往往需要很大的計算量。雖然SymNMFLinearADMM算法也需要求解矩陣的逆，但相比黑賽矩陣，它的計算量小很多。與其余非負(fù)矩陣分解問題往往會遇到收斂性及局部最小值問題不同，通過Sy
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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于非負(fù)矩陣分解的分類算法研究.pdf
- 投影非負(fù)矩陣分解算法研究及其應(yīng)用.pdf
- 基于非負(fù)矩陣分解算法的離線筆跡鑒別
- 基于非負(fù)矩陣分解算法的離線筆跡鑒別.pdf
- 基于非負(fù)矩陣分解算法的步態(tài)識別研究.pdf
- 矩陣的非負(fù)分解算法及應(yīng)用.pdf
- 非負(fù)矩陣分解問題算法的研究.pdf
- 基于非負(fù)矩陣分解的數(shù)據(jù)表示算法研究及其應(yīng)用.pdf
- 非負(fù)矩陣的分解.pdf
- 基于非負(fù)矩陣分解的多標(biāo)簽分類算法研究.pdf
- 松弛約束非負(fù)矩陣分解算法研究.pdf
- 魯棒非負(fù)矩陣分解算法研究.pdf
- 基于非負(fù)矩陣分解的多標(biāo)簽分類算法研究
- 基于lp范數(shù)的非負(fù)矩陣分解并行優(yōu)化算法
- 24726.非負(fù)矩陣分解算法研究
- 相似于正矩陣的非負(fù)矩陣.pdf
- 基于非負(fù)矩陣分解的盲源分離算法研究.pdf
- 基于正則化方法的非負(fù)矩陣分解算法及其應(yīng)用研究.pdf
- 稀疏約束非負(fù)矩陣分解算法及其應(yīng)用研究.pdf
- 非負(fù)矩陣與張量分解及其應(yīng)用.pdf
評論
0/150
提交評論