关键词nonnegative matrix factorization
搜索结果 - 51
- 范数求和正则化的非负矩阵分解
通过使用非负矩阵分解和 sum-of-norm 方法,本文提出了一种自动估计数据非负秩和处理光谱变异的 SON-NMF 算法。
- 基于 NMF 的移动眼动数据分析
利用非负矩阵分解(NMF)方法结合移动眼动跟踪数据的可视化技术,实现了对扫描路径的描述,并识别感兴趣区域,为多个眼动跟踪记录提供探索性分析。
- 简单结构矩阵分解的双对偶体积最大化
通过利用对偶 / 极性概念将最小体积的单纯结构矩阵因式分解问题转化为对偶空间中的最大体积问题,本研究证明了最大体积的对偶问题具有可辨识性,并基于该对偶形式提供了一种新颖的优化方法,将两个现有的 SSMF 算法家族 —— 体积最小化和面确定 - 基于隐私保护的分布式非负矩阵分解
在分布式的无线网络中,我们提出了一种保护隐私的非负矩阵分解算法,利用 Paillier 加密系统对分布式大型数据矩阵进行分解,从而保护每个节点的本地数据隐私,并在邻居节点之间进行安全的信息交互。模拟结果表明该算法在实现分布式非负矩阵分解的同 - 基于图正则化的 L20 范数非负矩阵分解的无监督特征学习
基于 GNMF 和 l2,0 范数约束的非负矩阵分解方法,旨在提取具有稀疏特征、减轻噪音影响的数据低维结构,通过实验验证了算法的有效性和优越性。
- 利用 T-CUR 分解的可分离非负张量分解
本研究中,我们通过引入可分性假设的概念,将非负矩阵分解(NMF)扩展到多维数组(张量)的情况,创建了称为可分非负张量分解(NTF)的方法,并提供了替代的索引选择方法和随机索引选择过程。通过在合成和面部分析数据集上测试,结果证明了与可分 NM - 块主导性最小化方法的外推与应用: β-NMF
我们提出了一种用于解决一类多凸优化问题的块主导最小化方法及其外推算法(BMMe)。该方法通过使用一种新颖的自适应更新规则来更新 BMMe 的外推参数。通过将块主导最小化重新表述为一种块镜像下降方法,并在每次迭代中自适应地更新 Bregman - 对比深度非负矩阵因式分解在社区检测中的应用
提出了一种名为对比深层非负矩阵分解 (CDNMF) 的新型社区检测算法,通过加深非负矩阵分解来提取信息,创造性地将网络拓扑和节点属性构建为两个对比视图,并利用去偏差负采样层学习社区级别的节点相似性,提高模型对社区检测的适应性,实验证明,该模 - 应用拓扑非负矩阵分解分析单细胞 RNA 测序
通过引入顶 ological NMF 和 robust topological NMF 方法,并利用 12 个数据集进行验证,我们证明了提出的 TNMF 和 rTNMF 明显优于其他基于 NMF 的方法,并在可视化中使用 TNMF 和 rT - 基于调优自由的最小体积非负矩阵分解研究
用最小体积非负矩阵分解方法,不依赖噪声水平来可恢复秩缺失的矩阵,并通过无需调整的平方根 lasso 方法来选择调整参数值。
- 通过非负低秩半定规划实现统计最优 K-means 聚类
该论文提出了一种基于 Burer-Monteiro 分解的 NMF-like 算法,通过将 SDP 松弛的 K-means 问题约束为非负低秩矩阵,实现了和 NNF 算法一样简单、可扩展且具有强大的统计优化保证的聚类效果。该算法在实验中的误 - 贝叶斯矩阵分解及应用
介绍 Bayesian matrix decomposition 及其方法的目的、意义、起源和复杂性,包括 real-valued decomposition、nonnegative matrix factorization 和 Bayes - 连续半监督非负矩阵分解
本文介绍了如何使用非负矩阵分解方法无监督地自动检测语料库中的主题,并证明该方法可结合回归得出比先识别主题后进行回归更好的效果并有更好的可解释性。
- 对称矩阵分解的再思考:更一般且更优的聚类视角
本文提出了使用正则项优化的高效因式分解算法来提高聚类性能,同时进一步探索了使用不同约束条件解决对称矩阵分解问题的通用框架。
- 一种用于语音增强的循环变分自编码器
本文提出一种基于递归变分自编码器(RVAE)的语音增强的生成方法, 通过与非负矩阵分解噪声模型相结合,仅使用干净的语音信号训练深度生成语音模型, 并在测试时微调 RVAE 的编码器以近似给出噪声语音观测下的潜在变量的分布。与基于前馈完全连接 - TopicSifter:通过有针对性的主题建模交互式减少搜索空间
本文提出一种基于非负矩阵分解的 TopicSifter 可视化分析系统,以帮助用户针对具体目标进行大规模文档检索,包括使用相关反馈来调整目标和优化主题模型以获得最相关的结果。
- KDD基于非负矩阵分解的排名模型及其在网球比赛中的应用
我们提出了一种新的排名模型,结合 Bradley-Terry-Luce 概率模型和非负矩阵分解框架,旨在建模和揭示影响顶级网球选手表现的潜在变量。我们的模型自动推断出球场表面是男选手表現的关键决定因素,但对女性的影响则较小,并以客观的方式识 - 贝叶斯均值参数化非负二进制矩阵分解
本文提出了一种针对二元数据矩阵的基于贝叶斯平均参数非负矩阵分解的方法,并使用折叠吉布斯采样和折叠变分算法推断了因子的后验分布,同时将所提出方法拓展到非参数设置下,实现自动检测相关成分数量,实验证明该方法在词典学习和预测任务方面的性能优于现有 - FSCNMF:利用非负矩阵分解融合结构和内容以嵌入信息网络
本文提出了一种非负矩阵分解 (FSCNMF) 的优化框架,它考虑到网络结构和节点内容的特点,能更好地学习网络的低维向量表示,同时进一步扩展了基本的 FSCNMF 到 FSCNMF++ 来捕捉网络中的高阶亲近性,实验结果表明,与现有算法相比, - 信号和数据分析的非负矩阵分解:可辨识性,算法和应用
本文从可识别性的角度出发,详细介绍了非负矩阵分解的模型可识别性及其与算法和应用的联系,帮助研究人员和研究生掌握 NMF 的本质和洞见,避免由于无法识别的 NMF 公式导致的典型‘陷阱’。同时,本文也帮助实践者选择 / 设计适合其问题的分解工