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、分類號:密級:學校代碼:10165學號:呈Q!苧!!QQQZQ;連拿研耗大學碩士學位論文⑨魯棒圖正則化非負矩陣分解作者姓名:學科、專業(yè):研究方向:導師姓名:王聰應用數(shù)學模式識別姜偉副教授2016年5月遼寧師范大學碩士學位論文摘要21世紀,人們已經(jīng)進入到高速發(fā)展的信息時代。我們每天都面對海量的數(shù)據(jù),這些蘊含大量信息的海量數(shù)據(jù)給機器學習、數(shù)據(jù)挖掘和計算機視覺等領(lǐng)域帶來了嚴峻的挑戰(zhàn)。聚類分析是數(shù)據(jù)挖掘領(lǐng)域研究的基本問題之一,而非負矩陣分解是一
2、種重要聚類分析算法。近年來,非負矩陣分解在圖像處理、計算機視覺和模式識別等領(lǐng)域均受到了相當廣泛的關(guān)注。非負矩陣分解能使數(shù)據(jù)維數(shù)獲得一定程度的約減,能使數(shù)據(jù)的某種潛在結(jié)構(gòu)變得清晰。非負的限制可以導致局部、稀疏的表達,這對外界噪聲有更好的抑制作用。非負矩陣分解的一個重要變形是圖正則化非負矩陣分解。該算法旨在讓矩陣分解得到的低維因子能夠盡可能準確的刻畫和保持由鄰接關(guān)系圖反映的數(shù)據(jù)點間的流形結(jié)構(gòu)。然而,實際數(shù)據(jù)往往存在質(zhì)量問題,如誤差、噪聲、異
3、常點等,圖正則化非負矩陣分解難以全面準確的反映數(shù)據(jù)的真實特性,給聚類分析帶來了困難。本文為了解決數(shù)據(jù)存在的質(zhì)量問題,提出了一種新的非負矩陣分解算法:魯棒圖正則化非負矩陣分解(RobustGraphRegularizedNormegativeMatrixFactorization,RGNMF)算法,該算法通過z,,范數(shù)替代£,范數(shù),提高了圖正則化非負矩陣分解的魯棒性。我們給出乘積更新規(guī)則,并且提供了嚴格的收斂分析。我們在ORL和Yale人
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。
最新文檔
- 多圖正則化非負矩陣分解.pdf
- 魯棒非負矩陣分解算法研究.pdf
- 基于托攻擊檢測的魯棒非負矩陣分解推薦算法.pdf
- 稀疏圖正則非負矩陣分解及其在人臉識別中的應用.pdf
- 基于多流形正則化非負矩陣分解的多視圖聚類.pdf
- 基于正則化方法的非負矩陣分解算法及其應用研究.pdf
- 非負矩陣的分解.pdf
- 附加輪廓信息的圖正則非負矩陣分解及在人臉識別中的應用.pdf
- 24726.非負矩陣分解算法研究
- 圖像分析中的非負矩陣分解理論及其最優(yōu)化和正則化方法研究.pdf
- 基于非負矩陣分解與空間結(jié)構(gòu)正則的光譜豐度估計研究.pdf
- 松弛約束非負矩陣分解算法研究.pdf
- 矩陣的非負分解算法及應用.pdf
- 非負矩陣與張量分解及其應用.pdf
- 非負矩陣分解問題算法的研究.pdf
- 非負矩陣分解新方法研究.pdf
- 基于相似圖矩陣的非負分解及其ADMM算法.pdf
- 非平滑非負矩陣分解及其應用研究.pdf
- 基于非負矩陣分解的人臉表情識別.pdf
- 基于非負矩陣分解算法的離線筆跡鑒別
評論
0/150
提交評論