• 机器学习中的矩阵、向量求导

    本文的目标读者是想快速掌握矩阵、向量求导法则的学习者,主要面向矩阵、向量求导在机器学习中的应用。因此,本教程而非一 份严格的数学教材,而是希望帮助读者尽快熟悉相关的求导方法并在实践中应用。另外,本教程假定读者熟悉一元函数的求导。

    2017-11-11
    26
  • Algorithms for nonnegative matrix and tensor factorizations

    Kim J, He Y, Park H. Algorithms for nonnegative matrix and tensor factorizations: a unified view based on block coordinate descent framework[J]. Journal of Global Optimization, 2014, 58(2):285-319.

    2017-11-11
    24
  • 非负矩阵与张量分解及其应用

    阵的低秩逼近是一种大规模矩阵低秩近似表示技术,是从大规模、复杂的数据中 寻求数据潜在信息的一种强有力方法。非负矩阵分解( Nonnegative MatrixFactorization, NMF)) 是矩阵的低秩逼近方法之一,它是指被分解的矩阵和分解结果矩阵的数值都 是非负的。由于该方法符合数据的真实物理属性,数据的可解释性强,分解结果能够表 示事物的局部特征,且模型符合人们对于客观世界的认识规律(整体是由局部组成的) 等优点, 模型和算法自提出以来得到了广泛研究和应用,已经被成功地应用到许多领域。 当模型数据的指标集多于两个时,模型数据就可以表示成张量的形式,因此张量可以看 成是向量和矩阵在高维空间的推广。对于张量代数理论及其应用的研究也是近来研究的 一个热点。非负矩阵分解与张量分解理论与应用方面的研究虽然取得了很多成果,但仍 然有一些问题需要进一步解决,如寻找好的非负矩阵分解算法,在线数据模型如何应用 非负矩阵分解,非负矩阵分解在具体问题中的进一步应用等。另外,大规模的非负性约 束给所有分解算法带来了求解的困难,影响了非负矩阵分解模型的应用效率,如果取消 一部分非负性约束会提高算法的效率,但得到的特征子空间会如何变化?这也是一个前 人没有进行研究的工作,围绕非负矩阵与张量分解及其应用的研究,本文从几个方面对 于非负矩阵与张量分解进行了以下研究工作: 1. 给出了基于轮换极小化原则的一个非负矩阵分解二次规划模型算法。 借助于内点 罚函数,把子问题的求解转化为一个无约束的二次规划问题模型来求解,再把二次规划 模型求解归结到一个线性方程组的求解,在求解过程中引入了一个降维策略,在一定程 度上降低了问题的求解规模,并给出了算法的收敛性证明,数值试验表明算法能够提取 到局部特征且得到的非负矩阵分解算法具有好的收敛性。 2. 研究了基于非负矩阵分解的一个局部图像识别策略和算法,利用非负矩阵分解算 法提取到的残缺测试图像的局部特征进行有效识别,论文主要研究了残缺区域为已知情 况下的局部图像识别问题,并给出相应的数值试验。 3. 对于训练集图像数据有缺失的识别问题进行了研究。本文首先对图像数据缺失模 式进行了分类,划分了数据缺失模式的三种类型,给出了三种数据缺失模式下利用非负 矩阵分解算法来提取局部特征的模型,分析了三种模型的特点和计算量,通过数值试验 对三种模型提取局部特征能力的进行了比较比较,指出了各种模型的适用于不同实际问山东科技大学博士学位论文 摘要 题时的优缺点。 4.在利用特征子空间进行线人脸识别问题中,当增加或者减少训练样本时,相应地 特征子空间就要发生改变,由于人脸图像数据规模较大,如果对新的训练样本重新进行 特征提取则浪费已有的计算结果和计算资源。 本文给出了一个处理在线人脸识别的算法, 对于训练集增量和减量的情况推导了基于非负矩阵分解的在线迭代公式, 数值试验表明, 该算法可以节约一定的计算时间和计算量,且逼近效果与对训练集数据重新计算得到的 结果相比较更好。 5.在非负矩阵分解中,编码矩阵的非负性约束使得算法求解起来速度较慢,并且, 在实际问题中,由于往往只需要部分分解结果(基矩阵)是非负的。如果我们对于矩阵 分解实行部分非负约束,不仅可以提高算法的效率,还可以节省计算和存储资源,但这 时相应的模型和算法会有什么变化,提取到的特征子空间有什么变化?还能不能表示局 部特征?另外,在非负矩阵分解中,提取局部特征的能力是和模型有关系还是和算法有 关系?本文从这些角度进行了一定的研究,得到了一些结论并进行了数值试验验证。 6.作为向量和矩阵的推广,张量相当于一个高维的矩阵。由于张量模型可以处理指 标集为多维的数据, 所以在描述实际问题时相比矩阵模型其更能接近于实际问题的属性, 因此能更好地描述实际问题。本文对于Web社区发现,给出了一个基于张量的模型及其 相应的算法。模型考虑了权威值,中心值,文本值三个指标,同矩阵模型相比较,由于 张量模型可以很好地保留模型数据的内在本质特征,得到的社区发现模型结果更准确, 可以有效地防止主题漂流的现象,数值试验表明,算法是有效的。 最后, 针对非负矩阵和张量分解研究现状和存在的问题,提出了进一步研究的问题。

    2017-11-11
    50
  • 非负张量分解及应用

    在现实生活中,往往存在着大量多维数据,例如视频流数据,文本数据, RGB图像等。传统的方法往往通过某种方式将多维数据重新排列成矩阵形式, 利用矩阵分析方法,例?蛔PCA,SVD,NMF,进行特征提取、聚类、分类等操 作,这无疑破坏了数据原本的空间结构,增加了分析结果的不准确性,而张量 在分析数据的同时,能够保持多维数据的空间结构不被破坏,这极大地引起了 学者们的研究热情。张量即多维数组,它是向量和矩阵在高维上的推广,目前 被广泛应用在计算机视觉、数据挖掘、信号处理等领域。 本文着重研究三阶非负张量分解问题,回顾三阶张量的非负分解模 型(NTVl,阐述了算法的思想及实现过程。接着,从张量投影的角度出发,建 立了基于张量投影的非负分解模型(NTPM),阐述了模型的想法,并给出了相 应的算法公式。在收敛性分析中,给出并证明了模型KKT条件的一个等价形式 以及算法收敛性定理。实验结果表明基于张量投影的非负分解模型,相比于原 有的非负分解模型,在运行时间以及逼近误差上有了一定程度的改进。最后, 讨论了NTPM模型今后研究的方向。

    2017-11-11
    45
  • 基于非负张量分解的音频分类方法

    为了提高音频数据分类正确率,提出一种通过非负张量分解(NTF)的分类方法. 音频信号经过预处理后, 提取声学特征和感知特征参数,然后构建非负的 3 阶音频张量,其各阶分别对应特征、帧、样本;其次,通过 NTF 得到每一类音频的核张量与因子矩阵,让测试样本构建的张量与各类型音频的因子矩阵的转置进行张量乘,得到对 核张量的近似;最后,通过 Frobenius 范数进行相似性度量,完成分类. 使用古典音乐、流行音乐、语音、噪声 4 种 类型的音频数据测试分类效果. 结果表明,平均分类正确率在 85%,以上,说明该方法可以有效地完成音频分类

    2017-11-11
    10
  • SCI 论文指南

    SCI 论文指南,从SCI论文写作结构到每部分注意事项!

    2014-11-01
    9
  • Xstrem工具jar包

    XStream是一个简单的类库,可以序列化对象到xml,还可以将xml还原为对象。

    2014-07-14
    2
  • Android技术内幕.系统卷

    《Android技术内幕:系统卷》是国内首本系统对Android的源代码进行深入分析的著作。全书将Android系统从构架上依次分为应用层、应用框架层、系统运行库层、硬件抽象层和Linux内核层等5个层次,旨在通过对Android系统源代码的全面分析来帮助开发者加深对Android系统架构设计和实现原理的认识,从而帮助他们解决开发中遇到的更加复杂的问题。 全书分为两卷,系统卷主要分析了Linux内核层、硬件抽象层和系统运行库层的各个模块的底层原理和实现细节;应用卷主要分析了应用层和应用框架层的各个模块的底层原理和实现细节。

    2013-02-26
    10
  • Ibatis入门学习笔记

    Ibatis入门学习笔记,含配置及代码实例

    2013-02-26
    10
  • Windows下是使用Git

    介绍Windows下是配置Git及使用Git方法!

    2013-02-26
    10
上传资源赚积分or赚钱