- 使用近端梯度下降有效因式分解布尔矩阵
本研究提出了一种使用弹性二进制正则化的布尔矩阵分解算法,以降低计算成本并提高可解释性,在合成和真实数据上实现了良好的结果。在医学领域的案例研究表明了该算法的结果易于解释和语义意义重大。
- 使用整数规划的布尔矩阵分解算法
本文提出了一种基于整数规划的交替优化策略,来解决二进制矩阵因数分解的问题,同时给出了两种初始化因子的方式,并展示了如何使用整数规划将多个解组合起来以生成更优的解。实验结果表明,我们的算法优于现有方法。
- 从理论到实践:布尔和有限域矩阵分解
基于针对实践的 heuristics 我们提出了一种新的算法,它基于 BMF 的最新的理论进展,用于在有限域上找到 GF (p)-Matrix 分解的有效多项式时间逼近方案,并通过人工合成和现实世界数据的实证研究证明了我们算法的优越性。
- 数据流中的双聚类和布尔矩阵分解
本文在数据流中对二分图聚类和布尔矩阵分解问题进行了研究,提出一种使用亚线性空间复杂度,在数据流遍历一遍后能够恢复右部聚类的算法,并且在第二次遍历中能够恢复左部聚类,同时还能够扩展该算法来解决布尔矩阵分解问题。
- IJCAI布尔矩阵分解的最新发展
本文概述了 Boolean Matrix Factorization(BMF)在数据挖掘、正式概念分析、机器学习和理论等领域的研究进展,提出了需要进一步探讨的问题。
- AAAI基于几何分割的快速高效布尔矩阵分解
本研究开发了一种名为 MEBF 的快速、高效的布尔矩阵因式分解方法,采用启发式方法以定位 “密集的 1” 的子矩阵为目标,其性能表现优于 ASSO、PANDA 和 MP 等其他常用方法,同时在二进制和非二进制数据集上的应用表明其具有知识检索 - C-SALT:在布尔矩阵因式分解中挖掘类别特定的变化
通过布尔矩阵因子分解,发现类别之间的共同点和规范性,提出了从共同分类中导出类别特异性修正的新方法,并在合成和真实数据集上展示其适用性和实用性。
- PRIMPing 流程 -- 通过近端交替线性化最小化实现平铺
本文提出了一种基于优化理论的新型布尔矩阵分解算法来解决数据挖掘中的拼瓦问题,该算法通过最小化因子分解的描述长度实现,具有良好的噪声鲁棒性,并可与任何适当的实值放松代价度量一起使用。实验结果表明,此方法识别出的解释性模式几乎总是比竞争算法更好 - BLASYS:使用布尔矩阵分解的近似逻辑综合
该论文提出了一种新的用于综合近似电路的技术,采用布尔矩阵分解对电路子电路的真值表进行逼近,以获取更低复杂度的子电路,实验表明此方法可在不影响准确度的情况下,节约高达 63% 的功耗。
- 基于消息传递的布尔矩阵分解和噪声补全
通过图模型和传递信息的方法,本文提出一种处理布尔矩阵分解和噪声下的布尔矩阵完成的方法,可线性处理观察点和因子数量,实验结果表明该方法在实际应用中可以较好地恢复低秩布尔矩阵。
- 布尔矩阵分解中的自下而上近似:几何与新算法
本研究介绍了基于布尔矩阵分解的新算法,重点在于提供从下面逼近输入矩阵的分解,实验结果表明该算法表现良好,需要的因子数量少,可以超越现有算法。未来研究方向也进行了探讨。