首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--代数方程论、线性代数论文--线性代数论文--矩阵论论文

基于非负矩阵分解的维度约简模型研究

摘要第2-3页
Abstract第3页
1 绪论第6-15页
    1.1 研究背景与意义第6-7页
    1.2 研究现状第7-12页
        1.2.1 使用特征提取方法进行维度约简第7-8页
        1.2.2 基于流形学习思想的特征提取方法第8-9页
        1.2.3 基于非负矩阵分解思想的特征提取方法第9-12页
    1.3 本文主要研究工作第12-13页
    1.4 论文结构组织和安排第13-15页
2 基于非负矩阵分解方法的特征提取相关基础理论第15-21页
    2.1 非负矩阵分解第15-17页
        2.1.1 基于欧氏距离平方的目标函数第16-17页
        2.1.2 基于广义KL散度的目标函数第17页
    2.2 基于稀疏约束的非负矩阵分解第17-19页
        2.2.1 稀疏约束非负矩阵分解的基本模型第18页
        2.2.2 稀疏约束非负矩阵分解的迭代优化算法第18-19页
    2.3 基于流形学习的特征提取方法第19-20页
    2.4 本章小结第20-21页
3 基于流形学习和l_(1/2)稀疏约束的非负矩阵分解方法第21-37页
    3.1 算法描述第21-22页
    3.2 算法模型设计第22-30页
        3.2.1 算法模型和目标函数第22-23页
        3.2.2 算法模型中的去噪处理第23-24页
        3.2.3 算法模型中的流形学习第24-26页
        3.2.4 迭代更新规则第26-30页
    3.3 算法描述第30页
    3.4 仿真实验设计及结果分析第30-36页
        3.4.1 实验环境配置第31页
        3.4.2 对比算法第31-32页
        3.4.3 数据集第32页
        3.4.4 算法的性能评估指标第32-33页
        3.4.5 实验结果分析第33-36页
    3.5 本章小结第36-37页
4 基于二部聚类思想的非负矩阵三分解方法第37-55页
    4.1 二部聚类第37-38页
    4.2 算法描述第38-39页
    4.3 算法模型设计第39-44页
        4.3.1 算法模型和目标函数第39-42页
        4.3.2 算法模型中的去噪处理第42-43页
        4.3.3 迭代更新规则第43-44页
    4.4 算法描述第44-45页
    4.5 数值实验及结果分析第45-53页
        4.5.1 实验环境配置第45页
        4.5.2 对比算法第45-46页
        4.5.3 数据集第46-47页
        4.5.4 算法的性能评估指标第47页
        4.5.5 实验结果分析第47-50页
        4.5.6 参数讨论第50-53页
    4.6 本章小结第53-55页
结论第55-56页
参考文献第56-60页
攻读硕士学位期间发表学术论文情况第60-61页
致谢第61-63页

论文共63页,点击 下载论文
上一篇:基于区间删失数据的半参数贝叶斯模型
下一篇:基于半张量积的拥塞博弈与贝叶斯博弈的均衡研究