非负矩阵分解算法下载

weixin_39820780 2019-08-03 11:30:14
比较经典的非负矩阵分解的matlab代码，很适合拿来修改和改进
相关下载链接：//download.csdn.net/download/yangyangbu/4263139?utm_source=bbsseo
...全文
33 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
非负矩阵分解算法的代码
作为一种重要的身份认证的手段，人脸识别已经广泛地应用于管理、安全等各个领域。人脸识别的一个关键性的问题是特征抽取，即如何从众多的特征中寻找最有效的特征。子空间分析法是一种有效的特征抽取方法，而本文所研究讨论的非负矩阵分解(Non-negative Matrix Factorization, NMF)具有一些独特的优点，成为构建特征子空间的一种有效的方法。 非负矩阵分解是一种新的矩阵分解方法，它将一个非负矩阵分解为左右两个非负矩阵的乘积。由于分解前后的矩阵中仅仅包含非负元素，因此原来矩阵中的列向量可解释为对左矩阵中所有列向量(称基向量)的加权和；而权重系数为右矩阵中对应列向量中的元素。这种基于基向量组合的表示形式具有直观的语义解释，反映了人们思维中局部构成整体的概念。与一般矩阵分解方法相比，NMF具有其独特的优点。例如实现起来比较简单，分解的形式和结果具有实际的物理意义等。典型的非监督学习算法，如主分量分析(PCA)、矢量量化(VQ)、独立分量分析(ICA)、因子分析(FA)等，均可以理解为对原始数据矩阵在一定条件限制下进行分解。本文的非负矩阵分解(NMF)算法与上述算法模型类似，是国际上新近提出的一种矩阵分解方法。与其他方法相比，NMF特殊之处在于其对于矩阵分解过程的非负限制，这会得到原始数据基于部分的表示，从而能更好的反映原始数据的局部特征，NMF的这一特性使得其可在诸多领域的应用得到很好的效果。
非负矩阵分解算法
非负矩阵分解算法
非负矩阵分解算法研究及其在个性化推荐系统中的应用_邹丹
非负矩阵分解算法研究及其在个性化推荐系统中的应用.
使用稀疏约束非负矩阵分解算法的跨年龄人脸识别.pdf
使用稀疏约束非负矩阵分解算法的跨年龄人脸识别.pdf
稀疏非负矩阵分解及模式识别
经典文献“Non-negative Matrix Factorization with Sparseness Constraints”的实现代码（MATLAB)
下载资源悬赏专区

13,654

社区成员

12,572,720

社区内容

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛（原bbs）
社区管理员
  • 下载资源悬赏专区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章