nmf非负矩阵分解算法高维遥感图像维度压缩

　本文介绍了非负矩阵分解(Non2negativeMatrixFactorization,NMF)的基本原理和性质,将现有NMF算法分为了基于基本NMF模型的算法和基于改进NMF模型的算法两大类,在此

作为非负矩阵分解的多线性推广，非负张量分解已被成功地应用在信号处理、计算机视觉、数据挖掘和神经科学等领域中。提出了非负张量分解的一种快速算法。首先，将大的张量数据视做多元连续函数的离散化，对其进行采样

为了解决现有数字水印中鲁棒性和不可感知性之间的矛盾，设计了一种基于非负矩阵分解和离散小波变换的图像零水印算法。原始图像进行不重叠分块，分别对每子块图像进行3级小波分解得到低频近似分量；对细节分量作非负

针对遥感图像压缩的CCSDS图像编码算法，含有使用VS2010编译的完整工程文件及对应的c++函数，含有测试图像，编译后即可测试

针对高光谱图像数据维度高、特征非线性以及标签数据获取难度大的特点,结合堆栈稀疏自动编码网络,提出了一种基于非局部方式特征融合的二级分类算法。与传统堆栈稀疏自动编码网络相比,光谱角匹配算法将找到的与被分

非负矩阵分解(NMF)算法可以提取图像的局部特征，然而NMF算法有两个主要缺点：a）当矩阵维数较大时，NMF算法非常耗时；b）当增加新的训练样本或类别时，NMF算法必须进行重复学习。为克服NMF算法这

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

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