矩阵分解在求解线性矩阵方程中的应用，刘景松，，矩阵的分解在最优化问题、特征值问题、最小二乘方问题、广义逆矩阵问题及统计学等方面都有着重要应用。本文中讨论和分析了矩阵��
矩阵的特征分解在功率谱估计中的应用，适合通信、电子等专业学习
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
自动估计正则化参数的非负矩阵分解方法，史振威，程大龙，非负矩阵分解（Non-negativeMatrixFactorization,NMF）是近年发展起来的一种矩阵分解的方法，被广泛应用于人脸识别、数
一种基于非负矩阵分解的聚类集成算法
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
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
用户评论