注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 矩阵计算器（求解方程，矩阵分解，线性规划等）

  2. 可以方便的求解方程，矩阵分解等。同时可以输入复数。在输入矩阵的某一个元素时可以直接输该元素的表达式，例如sin(i+1)^2,而不用计算出具体数值再输入。使用说明在压缩包里。

  3. 所属分类：专业指导

    • 发布日期：2010-04-28
    • 文件大小：3145728
    • 提供者：wxfhust1

  1. 矩阵计算器（矩阵分解，求解线性方程组，最小二乘，多项式拟合等）

  2. 可以方便地进行矩阵的分解，求解线性方程组，以及进行多项式操作等。在输入矩阵时可 以直接输入数学表达式包括复数，例如可以直接输入sin(i+1)^2，而不同提前计算具体数值 。可以直接输入pi。使用说明在压缩包里。 当然也可以把该矩阵计算器当成普通的数学表达式计算器使用，包括复数的运算。在输入 数学表达式后点击“行列式的值”便可以计算出表达式的结果。 如果只是矩阵的简单操作，使用该计矩阵算器还是比较划算的。虽然matlab的功能要强大 出许多倍，但毕竟占用的资源更多。 希望对大家有用！

  3. 所属分类：其它

    • 发布日期：2010-04-28
    • 文件大小：3145728
    • 提供者：wxfhust1

  1. 信号处理中的非负矩阵分解

  2. 用于信号处理的非负矩阵分解，对于盲源分离有很大的改进，可用于语音信号处理等领域。

  3. 所属分类：专业指导

    • 发布日期：2011-03-31
    • 文件大小：566272
    • 提供者：dengfeng125

  1. 矩阵分解，lu分解，qr分解

  2. 矩阵分解，主要是关于矩阵的分解，QR分解，LU分解。

  3. 所属分类：专业指导

    • 发布日期：2011-12-08
    • 文件大小：1048576
    • 提供者：wens1835

  1. 非负矩阵分解 matlab

  2. 本程序为非负矩阵分解，适用于高光谱解混。图形图像处理方面的 matlab程序

  3. 所属分类：专业指导

  1. C++数值算法程序，矩阵分解，高斯消去

  2. 关于LU矩阵分解，高斯消去和迭代法的小程序。

  3. 所属分类：其它

    • 发布日期：2008-10-31
    • 文件大小：5120
    • 提供者：ghostsmiling

  1. 非负矩阵分解NMFmatlab程序

  2. NMF，非负矩阵分解，将大矩阵分解成两个小矩阵，且这两个小矩阵都不包含负值。 代码来自Chih-Jen Lin

  3. 所属分类：专业指导

    • 发布日期：2016-11-27
    • 文件大小：2048
    • 提供者：co_ral

  1. 最大间隔矩阵分解

  2. 介绍最大间隔矩阵分解，低秩分解，以及一个快速的解决算法

  3. 所属分类：计算广告

    • 发布日期：2017-11-24
    • 文件大小：613376
    • 提供者：sinat_34488437

  1. 基2和基4矩阵分解的推导以及对应FFT递归实现（matlab实现）

  2. 使用矩阵和张量乘法可以更加简便有效地描述FFT算法，本资源首先推导证明了FFT基2的矩阵分解，并使用matlab递归实现。进而推导了基4的的矩阵分解和对应的基4FFT递归实现。

  3. 所属分类：互联网

    • 发布日期：2020-09-21
    • 文件大小：1048576
    • 提供者：qq_34008220

  1. 低秩矩阵分解的概率模型研究

  2. 低阶矩阵分解例如主成分分析（PCA），奇异值分解（SVD）和非负矩阵分解（NMF）是追求给定数据矩阵低阶近似的一大类方法。 传统的分解模型基于以下假设：数据矩阵被某种类型的噪声随机污染。 因此，可以通过最大似然（ML）估计或最大后验（MAP）获得低秩分量的点估计。 在过去的十年中，出现了各种低秩矩阵分解的概率模型。 低秩矩阵分解与它们相应的概率模型之间最显着的区别是后者将低秩分量视为随机变量。 本文对低秩矩阵分解的概率模型进行了调查。 首先，我们回顾了低秩矩阵分解的概率模型中常用的一些概率分布，

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：603136
    • 提供者：weixin_38729108

  1. Group-movie-recommender-system:基于矩阵分解的电影推荐系统-源码

  2. 团体电影推荐系统 在这个项目中，我们为一组用户创建了一个基于矩阵分解的推荐系统。 我们首先对用户电影评级矩阵进行基于随机梯度的矩阵分解，以计算用户和电影因素。 我们生成3个不同大小的用户组。 小型（3名成员），中型（5名成员）和大型（10名成员），并使用以下方法预测小组评分。 我们尝试了3种不同的方法。 分解后：将分解后的用户因子汇总为组因子 在分解之前（BF）：我们将用户的评级汇总到虚拟用户中。 我们通过使用简单的岭回归来计算组因子。 分解前加权（WBF）：与BF相同，只是编号不同。

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：869376
    • 提供者：weixin_42131728

  1. Movie-Recommendation-System:包含的代码涵盖了推荐电影的各种方法，其中一些方法包括矩阵分解，基于深度学习的推荐系统-源码

  2. 电影推荐系统 数据集 用于此笔记本的数据集是MovieLens的1M额定数据集。 其中包含来自7120部电影和14025位用户的100万部电影评级。 该数据集包括： movieId 用户身份 评分 另外，电影的数据集包括电影名称和类型。 movieId 标题 体裁 数据集可以在这里找到： : 使用的方法： 非个性化推荐 这种建议很简单，但非常有用。 因为它们为用户解决了冷启动问题。 那就是在不了解用户的情况下，我们可以向用户提出一些建议。 在获得用户的评论或获得有关用户的其他信息之后

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：11534336
    • 提供者：weixin_42132056

  1. matlab程序非负矩阵分解NMF

  2. 非负矩阵分解(NMF,Nonnegtive Matrix Factorization)，NMF，非负矩阵分解，将大矩阵分解成两个小矩阵，且这两个小矩阵都不包含负值。 代码来自Chih-Jen Lin

  3. 所属分类：机器学习

    • 发布日期：2021-03-09
    • 文件大小：2048
    • 提供者：weixin_42462804

  1. 联合非负矩阵分解在多层网络中的社区检测

  2. 许多复杂的系统由通过不同层的耦合网络组成，其中每个层代表许多可能的交互类型之一。 一个基本的问题是如何在多层网络中提取社区。 当前算法要么将多层网络分解为单层网络，要么通过使用共识聚类扩展单层网络的算法。 但是，由于批评这些方法忽略了各层之间的连接，从而导致精度低。 为了解决这个问题，提出了一种定量函数（多层模块密度），用于多层网络中的社区检测。 之后，我们证明了多层模块化密度的迹线优化等效于算法的目标函数，例如内核K均值，非负矩阵分解，频谱聚类和多视图聚类。层网络，为设计社区检测算法提供了理论

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：962560
    • 提供者：weixin_38727980

  1. 通过具有L2,1正则化的加权非负矩阵分解实现多个不完整视图聚类

  2. 随着技术的进步，数据通常具有多种形式或来自多种来源。 多视图聚类为从此类数据生成聚类提供了一种自然的方式。 尽管多视图聚类已经成功地应用于许多应用程序中，但是大多数以前的方法都假定每个视图的完整性（即，每个实例都出现在所有视图中）。 但是，在现实世界的应用程序中，通常有许多视图可供学习，但没有一个是完整的。 所有视图的不完整和可用视图的数量使得难以集成所有不完整的视图并获得更好的群集解决方案。 在本文中，我们提出了MIC（多不完整视图聚类）算法，该算法基于具有L2,1正则化的加权非负矩阵分解。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：475136
    • 提供者：weixin_38718413

  1. 图拉普拉斯约束的非负矩阵分解

  2. 非负矩阵分解（NMF）被证明是一种非常有效的分解方法，可用于数据分析中的降维，并且已广泛应用于计算机视觉，模式识别和信息检索中。 但是，NMF实际上是一种不受监督的方法，因为它无法利用有关数据的先验知识。 在本文中，我们提出了使用图拉普拉斯算子（CNMF-GL）进行约束的非负矩阵分解，该方法不仅利用了几何信息，而且还适当地使用了标签信息来增强NMF。 具体来说，我们期望图的正则化项能够保留原始数据的局部结构，同时具有相同标签和具有不同标签的数据点将具有相应的约束条件。 结果，学习的表示将具有更大

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：288768
    • 提供者：weixin_38630571

  1. Coverage的特征矩阵及其在布尔矩阵分解中的应用

  2. 基于覆盖的粗糙集提供了一种有效的方法来处理覆盖数据，这种数据在实际应用中广泛存在。 布尔矩阵分解已经常应用于数据挖掘和机器学习。 本文用布尔矩阵表示三种类型的现有覆盖近似算子，然后将它们用于布尔矩阵分解。 首先，我们定义了覆盖的两个特征矩阵。 通过这些布尔特征矩阵，可以简洁，等效地表示三种现有的覆盖近似算子。 其次，将这些算子表示形式应用于布尔矩阵分解，该布尔矩阵分解与非负矩阵分解（一种用于机器学习的流行且有效的技术）密切相关。 我们为平方布尔矩阵分解为另一个矩阵及其转置的布尔乘积提供了充分必要

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：401408
    • 提供者：weixin_38640473

  1. Topic_Modeling：非负矩阵分解的Python实现-源码

  2. NMF在主题建模中的实现 利用乘法更新规则实现非负矩阵分解，以发现有用的主题

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：29696
    • 提供者：weixin_42127020

  1. rsparse：针对稀疏矩阵的快速准确的机器学习-矩阵分解，回归，分类，前N个建议-源码

  2. rsparse：针对稀疏矩阵的快速准确的机器学习-矩阵分解，回归，分类，前N个建议

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：472064
    • 提供者：weixin_42131414

  1. 使用tensorflow实现矩阵分解方式

  2. 采用最小二乘的求逆方法在大部分情况下是低效率的。特别地，当局镇非常大时效率更低。另外一种实现方法是矩阵分解，此方法使用tensorflow内建的Cholesky矩阵分解法。Cholesky矩阵分解法把一个矩阵分解为上三角矩阵和下三角矩阵，L和L’。求解Ax=b，改写成LL’=b。首先求解Ly=b，然后求解L’x=y得到系数矩阵。 1. 导入编程库，初始化计算图，生成数据集。接着获取矩阵A和b。 >>> import matplotlib.pyplot as plt >&

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：58368
    • 提供者：weixin_38655347
« 12 3 4 5 6 7 8 9 10 ... 50 »