暂无评论
针对超高维数据进行非负矩阵分解的计算代价大，特征提取速度慢问题，提出一种非负矩阵分解的快速算法。该算法通过代数变换，把对原高维矩阵的非负分解转换成非负的低维矩阵的非负分解，其求解过程只需要对一个阶数等
实际数据通常由多种模式或不同视图组成,这两种模式或视图相互提供补充和共识性信息。 探索这些信息对于多视图数据聚类和分类很重要。 多视图嵌入是一种用于多视图数据的有效方法,它揭示了不同视图共享的共同潜在
直接对高维网络连接数据进行处理会出现维数灾难问题，因此，需要对其进行维数约简。非负矩阵分解不仅能对高维数据进行降维，而且使矩阵在分解后的所有分量均为非负值，符合网络连接数据的语义特征。将其应用到入侵检
警告opnmfR仍在开发中,某些部件尚未完全测试。 安装 在R端子 install.packages("remotes") remotes::install_github(&quo
结合多种特征的正交非负矩阵分解实现高光谱图像的光谱空间降维
针对非负矩阵分解方法在有噪声的真实数据中获得特征的有效性问题,提出了一种稀疏诱导的流形正则化凸非负矩阵分解算法。所提算法在流形正则化的基础上,向低维子空间的基矩阵添加基于L2,1范数的稀疏约束,构建了
非负矩阵分解--Lee&Seung;论文翻译中文版,不足之处请指教
基于距离变换和分水岭分割的图像分割代码，VS2013,opencv2.4.9,
基于灰度共生矩阵的图像分割－Matlab算法
基于整数小波变换和有序非负独立分量分析的遥感图像融合
暂无评论