一种受限非负矩阵分解方法

提出了一种基于图正则化的半监督非负矩阵分解算法（GSNMF），克服了非负矩阵分解（NMF）、约束非负矩阵分解（CNMF）和图正则化非负矩阵分解（GNMF）方法忽略样本数据的局部几何结构或标签信息不足的

针对现有的无监督检测算法对正常用户误检率较高的问题，提出了一种基于矩阵分解的托攻击检测算法。对评分矩阵采用非负矩阵分解技术提取出用户的特征。采用K-means聚类方法对提取出的用户特征聚类，得到初始正

基于非负矩阵分解的图像特征提取技术，左春婷，王科俊，非负矩阵分解(non-negativematrixfactorization,NMF)算法是在矩阵中所有元素均为非负的条件下对其实现的非负分解,本文

针对轴承振动信号的非平稳特征和现实中难以提取故障参数的情况,提出了一种基于递归图和局部非负矩阵分解的轴承故障诊断方法。该方法首先对采集到的轴承振动信号进行递归图分析,生成灰度图;然后用局部非负矩阵分解

提出一种基于多视角非负矩阵分解的视角不变特征提取方法用于融合多视角信息并进行人体行为识别。通过提取每个视频帧的时空描述符，有效描述了视频场景中的运动和形态信息；为了解决观测角度改变对识别的影响，在不同

好友推荐可以帮助用户发现他们感兴趣的好友，减轻信息过载的现象。然而，目前现有的推荐方法仅考虑用户链接或内容信息，其推荐精度不高，不足以提供高质量的服务。考虑了用户之间的链接和内容信息，提出了一种结合非

岩石地球化学数据均为非负数值,可以用非负矩阵来表示,这使得利用非负矩阵分解(NMF)方法处理该类数据成为可能。介绍了非负矩阵分解方法的基本原理,探讨了基于非负矩阵分解方法处理岩石地球化学数据的可能性和

针对轴承振动信号的非平稳特征和现实中难以提取故障参数的问题,提出一种基于FM~mlet变换与非负矩阵分解算法(NMF)的轴承故障诊断方法。采用FM~mlet变换对轴承振动信号进行时频分析,能较好匹配信

高光谱分解的目的是从中获取末端成员特征及其相应的丰度图高度混合的高光谱图像。 非负矩阵分解(NMF)是一种广泛使用的光谱方法因为在高光谱图像中没有纯像素的情况下它可以获得更好的性能,所以可以进行混合。

基于局部Walsh变换和非负矩阵分解的脑白质图像分割