已閱讀1頁，還剩43頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、典型的非監(jiān)督學習算法,如主分量分析(PCA)、矢量量化(VQ)、獨立分量分析(ICA)、因子分析(FA)等,均可以理解為對原始數(shù)據(jù)矩陣在一定條件限制下進行分解.本文所研究討論的非負矩陣分解(NMF)算法與上述算法模型類似,是國際上新近提出的一種矩陣分解方法.與其他方法相比,NMF特殊之處在于其對于矩陣分解過程的非負限制,這會得到原始數(shù)據(jù)基于部分的表示,從而能更好的反映原始數(shù)據(jù)的局部特征,NMF的這一特性使得其可在諸多領(lǐng)域的應(yīng)用得到很好的
2、效果.本文將NMF引入到子空間分類中,提出了基于NMF的子空間分類方法,并從理論與實驗上進行全面論證.對于非負數(shù)據(jù)的模式分類問題,由于NMF子空間的基具有對數(shù)據(jù)的良好的夾逼性,相對于基于PCA的子空間的基的無任何對數(shù)據(jù)的夾逼性而言,具有明顯優(yōu)勢,從而使得運用NMF的子空間分類方法較基于PCA的子空間分類方法有更好的分類效果.將這種方法運用于模式分類中典型的Iris數(shù)據(jù)和真實的DNA微陣列數(shù)據(jù)(Yeast數(shù)據(jù)和MIT數(shù)據(jù))的實驗結(jié)果表明,
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于非負矩陣分解的分類算法研究.pdf
- 基于非負矩陣分解的腫瘤DNA微陣列數(shù)據(jù)分類研究.pdf
- 基于非負矩陣分解的多標簽分類算法研究.pdf
- 非負矩陣分解及其在非均衡數(shù)據(jù)分類中的應(yīng)用.pdf
- 基于非負矩陣分解的多標簽分類算法研究
- 基于非負矩陣分解的腫瘤基因表達譜數(shù)據(jù)分析.pdf
- 基于加權(quán)非負矩陣分解的腫瘤基因表達數(shù)據(jù)聚類研究.pdf
- 基于圖譜理論和非負矩陣分解的圖像分類.pdf
- 非負矩陣的分解.pdf
- 基于非負矩陣分解的時序數(shù)據(jù)聚類方法.pdf
- 關(guān)于非負矩陣分解的濾子依賴域算法.pdf
- 非負矩陣因子分解算法處理癌癥基因表達數(shù)據(jù)的研究.pdf
- 基于非負矩陣分解的數(shù)據(jù)表示算法研究及其應(yīng)用.pdf
- 基于非負矩陣分解的集成聚類研究.pdf
- 基于非負矩陣分解算法的步態(tài)識別研究.pdf
- 圖像分類中流形回歸與非負矩陣分解研究.pdf
- 空間與豐度約束的非負矩陣分解算法研究.pdf
- 基于非負矩陣分解的信息獲取方法研究.pdf
- 非負矩陣分解及在基因表達數(shù)據(jù)分析中的應(yīng)用研究.pdf
- 基于稀疏非負矩陣分解的圖像檢索.pdf
評論
0/150
提交評論