文件名称:
带有Hessian正则化的最优非负投影
开发工具:
文件大小: 699kb
下载次数: 0
上传时间: 2021-03-12
详细说明：随着高维数据分析的需求，数据表示（或特征学习）吸引了越来越多的关注，并成为模式识别和数据挖掘的核心问题。 非负矩阵分解（NMF）是一种有用的数据表示方法，它通过将数据矩阵分解为几个基数并使用非编码进行编码，从而极大地有助于发现数据的潜在结构并导致基于零件的表示。 -负约束。-通过ridge.regression对数据点建模，从统计角度考虑学习的编码，并最小化参数的方差，A最优非负投影（ANP）改善了NMF的性能。 但是，它忽略了数据的固有几何结构。 我们介绍了Hessian正则化，并提出了一种称为Hessian正则化（AHNP）的新方法A-最优非负投影。 因此，AHNP不仅导致基于零件的精确表示，而且保留了所获得子空间的固有几何结构。 我们通过对真实世界应用程序的一组评估证明了这种新颖算法的有效性。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
