非负矩阵分解算法概述

将非负矩阵分解(NMF)算法应用到空间目标图像识别中,对两种传统NMF算法的迭代规则进行了改进,得到了稀疏NMF算法,并分别在二维(2D)和(2D)2维度应用了这3种算法。在实验室模拟了空间光学环境,

非负矩阵分解方法不仅被用作数据降维,并且被广泛地应用于高光谱混合像元分解。由于非负矩阵分解常常陷于局部最小化,各种限制性条件被使用,如稀疏、体积等。深度学习作为一种新的数据挖掘方法被广泛地使用,其通过

采用荧光分光光度计直接获取土壤中多环芳烃(PAHs)的三维荧光光谱,并利用非平滑非负矩阵分解(nsNMF)对其进行解析,结果表明,非负矩阵分解(NMF)能够从混叠光谱中提取出单一多环芳烃的荧光光谱信号

CN43 1258/TP ISSN1007 130X 计算机工程与科学 COMPUTERENGINEERING&SCIENCE 2010年第32卷第8期 Vol 32,No 8,2010 文章

非负矩阵分解算法研究及其在个性化推荐系统中的应用.

Matlab, 矩阵分解算法之一——Cholesky分解方法,用于交流学习,加深对矩阵分解方法的理解

目前的音乐推荐系统以考虑歌曲特征和情景上下文因素为主来进行推荐，但选取特征的干扰因素较多，使得噪声干扰较大。为此，提出一种面向音乐推荐的全变差非负矩阵分解方法，通过综合考虑众多因素的影响并借助全变差减

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，基于非负矩阵分解的图像特征提取技术通过将图像表示为一系列

北京师范大学学报自然科学版 一 蝴 强 圭 非负矩阵分解及其在基因表达数据分析中的应用 曹胜玉 刘来福 索藩蕊大学数学秘警学茨察 摘要介绍非负矩阵分解的基本原理及其在生物信息学中基因表达数据分析巾的应

微博网站作为一种流行的社交媒体形式，在为用户提供丰富信息和服务的同时，也带来了信息超载问题。如何利用微博网络为用户推荐有价值的信息，以缓解信息超载问题变得日益重要。根据微博网络的有向性以及建立关注关系