基于非负矩阵分解的数据表示算法研究及其应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 数据表示的研究背景及意义 | 第9-11页 |
| 1.2 数据表示算法的研究现状 | 第11-16页 |
| 1.2.1 基于线性的数据表示算法 | 第12-14页 |
| 1.2.2 非线性数据表示算法 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 2 非负矩阵分解算法的基本理论 | 第19-29页 |
| 2.1 非负矩阵分解方法概述 | 第19页 |
| 2.2 目标函数 | 第19-21页 |
| 2.2.1 欧氏距离 | 第20页 |
| 2.2.2 散度 | 第20-21页 |
| 2.3 收敛性证明 | 第21-23页 |
| 2.4 NMF算法分析 | 第23-24页 |
| 2.5 改进的NMF算法 | 第24-28页 |
| 2.5.1 局部非负矩阵分解算法 | 第24页 |
| 2.5.2 非负稀疏编码算法 | 第24-25页 |
| 2.5.3 Fisher非负矩阵分解算法 | 第25-26页 |
| 2.5.4 稀疏非负矩阵分解算法 | 第26页 |
| 2.5.5 加权非负矩阵分解算法 | 第26-27页 |
| 2.5.6 非负矩阵稀疏分解算法 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 基于邻域保持的非负矩阵分解算法 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 算法描述 | 第29-31页 |
| 3.3 算法求解 | 第31-32页 |
| 3.4 收敛性证明 | 第32-34页 |
| 3.5 实验结果与分析 | 第34-40页 |
| 3.5.1 COIL20库实验结果 | 第36-37页 |
| 3.5.2 ORL人脸库实验结果 | 第37-39页 |
| 3.5.3 参数选择 | 第39-40页 |
| 3.5.4 实验结果分析 | 第40页 |
| 3.6 本章小结 | 第40-43页 |
| 4 基于局部一致受限概念分解算法 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 概念分解算法 | 第43-44页 |
| 4.3 基于局部一致概念分解算法 | 第44-45页 |
| 4.4 局部一致受限概念分解算法 | 第45-49页 |
| 4.4.1 算法描述 | 第45-46页 |
| 4.4.2 算法求解 | 第46-47页 |
| 4.4.3 收敛性证明 | 第47-48页 |
| 4.4.4 多变量迭代算法与梯度下降算法关系 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-54页 |
| 4.5.1 TDT2库实验结果 | 第50-52页 |
| 4.5.2 Reuters-21578库实验结果 | 第52-54页 |
| 4.5.3 参数设置 | 第54页 |
| 4.5.4 实验结果分析 | 第54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
