首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

模式表示非负矩阵分解算法的特性研究

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-10页
   ·模式表示非负矩阵分解算法第7-8页
     ·非负矩阵分解算法概述第7-8页
     ·模式表示非负矩阵分解算法的引出第8页
   ·本文工作及内容安排第8-10页
第二章 NMF 算法理论概述第10-17页
   ·NMF 算法的引出第10-11页
   ·NMF 算法理论第11-14页
     ·问题描述第11-12页
     ·目标函数第12-13页
     ·迭代规则第13-14页
   ·盲信号分离与NMF第14-16页
   ·本章小结第16-17页
第三章 PE-NMF 算法理论第17-22页
   ·数据的模式表示第17-19页
   ·PE-NMF 的优化准则第19-20页
   ·PE-NMF 算法描述第20页
   ·本章小结第20-22页
第四章 实验分析与设计第22-49页
   ·评判标准——信噪比(SNR)第22-23页
   ·验证性实验第23-31页
     ·ICA 与统计独立高斯分布信源的信号分离第23-26页
     ·PE-NMF 与统计独立/相关的信号分离第26-29页
     ·PE-NMF 与统计独立高斯分布的信号分离第29-31页
     ·小结第31页
   ·算法的初始化及迭代次数对PE-NMF 信号分离效果的影响第31-38页
     ·数据分布集中/分散程度的描述第31-32页
     ·实验设计第32-33页
     ·第1000 次迭代的结果分析第33-35页
     ·不同迭代次数的对比分析第35-36页
     ·结论第36-38页
   ·信源之间的相关性对PE-NMF 信号分离效果的影响第38-42页
     ·实验设计第38-40页
     ·实验结果分析第40-42页
     ·结论第42页
   ·噪声对PE-NMF 信号分离效果的影响第42-44页
     ·实验设计与结果第42-44页
     ·结论第44页
   ·PE-NMF 结合ICA 的信号分离第44-47页
     ·实验设计与结果第45-46页
     ·结论第46-47页
   ·本章小结第47-49页
结束语第49-51页
致谢第51-52页
参考文献第52-55页
硕士期间发表的论文第55-56页

论文共56页,点击 下载论文
上一篇:一种基于ALPHA-STABLE分布的K-MEANS聚类算法
下一篇:自适应主分量提取算法在基因表达数据中的应用