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. 非负二维主成分分析及在人脸识别中的应用

  2. 二维主成分分析是一种基于整体脸的方法，保留人脸部件之间的拓扑关系．而非负矩阵分析是基于局部特征的识别，是通过提取局部信息来实现分类

  3. 所属分类：其它

    • 发布日期：2011-06-24
    • 文件大小：397312
    • 提供者：wojiaoliukai

  1. 局部非负矩阵分解

  2. 局部非负矩阵分解程序，人脸识别，脑电，图像均可应用

  3. 所属分类：其它

    • 发布日期：2014-10-30
    • 文件大小：1024
    • 提供者：u012556077

  1. 非负矩阵与张量分解及其应用

  2. 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

  3. 所属分类：算法与数据结构

    • 发布日期：2017-11-11
    • 文件大小：2097152
    • 提供者：puppet_love

  1. 基于非负矩阵分解的 SAR 图像目标识别

  2. 摘 要 : 特征提取是合成孔径雷达自动目标识别的关键技术 ,同时也是难点问题之一. 本文提出了一种基于非 负矩阵分解算法与 Fisher 线性判别方法的合成孔径雷达图像目标识别的方法 ,通过基于基向量非负加权组合的形式 构建 SAR 目标图像 ,能充分利用目标的局部空间结构信息提取目标特征信息实现目标识别. 首先将水平集分割预处 理后的 SAR 目标图像样本构成初始矩阵 ,然后利用非负矩阵分解后得到的权向量作为目标图像的特征向量 ,再通过 依据 Fisher 线性判别构成的分类器 ,实现对 M

  3. 所属分类：图像处理

    • 发布日期：2019-02-15
    • 文件大小：947200
    • 提供者：qwebianyongheng

  1. 基于多层训练的稀疏非负矩阵高光谱混合像元分解

  2. 非负矩阵分解方法不仅被用作数据降维,并且被广泛地应用于高光谱混合像元分解。由于非负矩阵分解常常陷于局部最小化,各种限制性条件被使用,如稀疏、体积等。深度学习作为一种新的数据挖掘方法被广泛地使用,其通过建立深度网络,进行贪婪学习,最终可以克服样本数据不足及陷于局部最优化的缺陷。文中借助深度学习的非监督训练方法,采用多层训练神经元进行非负矩阵高光谱混合像元分解,除此之外,数据的稀疏特性被当作先验知识用于多层网络的训练及重构。通过对真实高光谱遥感影像大量实验发现,此方法简单易行,且精度明显高于目前其它

  3. 所属分类：其它

    • 发布日期：2020-05-14
    • 文件大小：726016
    • 提供者：weixin_38506103

  1. 基于递归图和局部非负矩阵分解的轴承故障诊断

  2. 针对轴承振动信号的非平稳特征和现实中难以提取故障参数的情况,提出了一种基于递归图和局部非负矩阵分解的轴承故障诊断方法。该方法首先对采集到的轴承振动信号进行递归图分析,生成灰度图;然后用局部非负矩阵分解对生成的递归图进行特征参数提取,得到系数编码矩阵;最后采用分类器对上述编码矩阵直接进行模式识别,从而实现轴承故障的自动化诊断。将该方法应用在4种典型工况的轴承故障诊断实例中,应用结果表明,该方法可对不同工况的递归图自适应地计算特征参数,避免了人为因素对诊断准确率的影响,具有较好的自适应性和鲁棒性。

  3. 所属分类：其它

    • 发布日期：2020-04-30
    • 文件大小：330752
    • 提供者：weixin_38694141

  1. NSCT域红外图像改进非局部均值滤波算法_韩红光.pdf

  2. 结合非下采样轮廓波变换（NSCT），提出了一种红外图像改进非局部均值滤波算法（Improved Non-local Means Filtering，INLMF）。该算法首先对红外噪声图像进行多尺度 NSCT 变换，其次分别从 相似图像块自适应划分方法以及滤波权重计算方法 2 个方面对经典非局部均值滤波算法进行适当改 进，将改进后的非局部均值滤波算法（INLMF）应用于处理高频分解系数，然后将滤波后的高频分解 系数与低频分解系数进行重构，得到去噪后的图像，最后对去噪后图像采用非负支撑域有限递归逆滤

  3. 所属分类：机器学习

    • 发布日期：2019-07-21
    • 文件大小：691200
    • 提供者：imbeyond

  1. 非负矩阵分解算法的代码

  2. 作为一种重要的身份认证的手段，人脸识别已经广泛地应用于管理、安全等各个领域。人脸识别的一个关键性的问题是特征抽取，即如何从众多的特征中寻找最有效的特征。子空间分析法是一种有效的特征抽取方法，而本文所研究讨论的非负矩阵分解(Non-negative Matrix Factorization, NMF)具有一些独特的优点，成为构建特征子空间的一种有效的方法。 非负矩阵分解是一种新的矩阵分解方法，它将一个非负矩阵分解为左右两个非负矩阵的乘积。由于分解前后的矩阵中仅仅包含非负元素，因此原来矩阵中的列向量

  3. 所属分类：其它

    • 发布日期：2010-04-12
    • 文件大小：8192
    • 提供者：xuying198702

  1. 通过Gabor方向信息的非负稀疏表示进行稳健的耳朵识别

  2. 方向信息对于耳朵识别系统的准确性至关重要。 本文研究了一种新的利用Gabor小波的方向信息进行人耳识别的特征提取方法。 所提出的Gabor定向特征不仅可以避免传统Gabor特征中的过多冗余，而且还倾向于提取更精确的耳朵形状轮廓的定向信息。 然后，提出了一种基于Gabor方向特征的非负稀疏表示分类方法（Gabor方向+ NSRC）用于人耳识别。 与稀疏编码系数可能为负的SRC相比，NSRC的非负性符合将部分组合成一个整体的直观概念，因此与视觉数据的生物学建模更加一致。 此外，使用Gabor方向特征

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：917504
    • 提供者：weixin_38689922

  1. 邻域保留非负矩阵分解用于频谱混合分析

  2. 非负矩阵分解（NMF）已成功用于解决高光谱遥感图像的混合像素问题。 但是，由于NMF的分解结果不是唯一的，因此通过NMF最小化表示误差不足以用于SMA。 因此，本文提出了一种在低维流形上保留高光谱数据局部结构的邻域保持正则化方法，以约束NMF来解决SMA中的唯一问题。 因此，针对高混合高光谱数据的SMA提出了一种邻域保留约束NMF（NP-NMF）算法。 最后，关于AVIRIS数据的实验结果证明了我们提出的NP-NMF算法在SMA应用中的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38736018

  1. 用于图像表示的局部坐标概念分解

  2. 学习高维数据的稀疏表示是对数据建模的最新方法。 基于矩阵分解的技术，例如非负矩阵分解和概念分解（CF），在该领域已显示出巨大的优势，尤其对图像表示很有用。 它们都是线性学习问题，导致图像的稀疏表示。 但是，通过这些方法获得的稀疏性并不总是满足局部性条件。 例如，学习到的新的基向量可以相对远离原始数据。 因此，当将新的表示形式用于其他学习任务（例如分类和聚类）时，我们可能无法获得最佳性能。 在本文中，我们将局部性约束引入到传统CF中。 通过要求概念（基本矢量）尽可能接近原始数据点，每个数据可以由仅

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：2097152
    • 提供者：weixin_38590738

  1. 具有双重约束的半监督文档聚类的非负矩阵分解框架

  2. 在本文中，我们提出了一种新的半监督共聚算法正交半监督非负矩阵分解（OSS-NMF）用于文档聚类。 在这种新方法中，通过将成对约束形式的数据点（文档）的现有领域知识和特征（单词）的类别知识合并到NMF共聚框架中，从而实现了聚类过程。 在这种框架下，考虑到对偶先验知识，将聚类问题表述为寻找目标函数的局部极小值的问题。 导出更新规则，并为协同聚类过程设计了一种迭代算法。 从理论上讲，我们证明了算法的正确性和收敛性，并证明了其数学上的严格性。 我们的实验评估表明，提出的文档聚类模型在这些约束条件下表现出

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_38638312

  1. 使用双稀疏局部Fisher判别分析的人脸识别

  2. 提出了用于处理多峰问题的本地Fisher判别分析（LFDA）。 它不仅结合了用于保存高维数据局部结构的局部保留投影（LPP）的思想，而且还结合了用于获得判别力的Fisher判别分析（FDA）的思想。 但是，LFDA还存在采样不足的问题以及许多降维方法。 同时，投影矩阵不稀疏。 在本文中，我们提出了用于人脸识别的双稀疏局部Fisher判别分析（DSLFDA）。 该方法首先构造了一个具有非负约束的稀疏数据自适应图。 然后，DSLFDA将目标函数重新表述为回归型优化问题。 自然避免了欠采样问题，并且可

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：3145728
    • 提供者：weixin_38751031

  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. 基于局部空间信息的自适应局域提取稀疏非负矩阵分解

  2. 高光谱分解的目的是从中获取末端成员特征及其相应的丰度图高度混合的高光谱图像。 非负矩阵分解（NMF）是一种广泛使用的光谱方法因为在高光谱图像中没有纯像素的情况下它可以获得更好的性能，所以可以进行混合。 然而， 基于非负矩阵分解的许多方法很少考虑局部和局部空间信息。 非本地的。 为了将空间和光谱信息结合在一起以提高解混精度，自适应基于端元提取的具有空间局部信息（ASNMF）的稀疏非负矩阵分解为本文提出。 超像素分割将获得光谱上相似的许多有意义的区域与空间相邻。 在每个超像素上自适应提取端成员以生成

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：461824
    • 提供者：weixin_38728360

  1. 具有成对约束的图正则化非负局部坐标分解用于图像表示

  2. 具有成对约束的图正则化非负局部坐标分解用于图像表示

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：626688
    • 提供者：weixin_38740827

  1. 对称非负矩阵分解的一种融合算法

  2. 非负矩阵分解（NMF）是一种非常流行的无监督或半监督学习方法，可用于各种应用程序，包括数据聚类，图像处理和文档的语义分析。 这项研究的重点是对称NMF（SNMF），这是NMF的特例，可用于网络分析。 尽管在文献中存在几种用于SNMF的算法，但是它们的收敛和初始化尚未得到很好的解决。 在本文中，我们首先讨论了现有的SNMF算法的收敛性和初始化性。 然后，我们提出了SNMF的收敛算法（称为CASNMF），该算法可最小化对称矩阵与其SNMF的近似之间的欧几里得距离。 基于优化原理和局部辅助函数方法，证

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：818176
    • 提供者：weixin_38589795

  1. 基于局部Walsh变换和非负矩阵分解的脑白质图像分割

  2. 基于局部Walsh变换和非负矩阵分解的脑白质图像分割

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：497664
    • 提供者：weixin_38698174

  1. 基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

  2. 提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法。该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息。在各个子频段采用NAS-RIF算法进行复原。针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项。在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数。分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB。实验结果表明,复原效果相对于空间自适应正则化方

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：3145728
    • 提供者：weixin_38616033

  1. 基于Gabor特征与局部保护降维的高光谱图像分类算法

  2. 提出了两种基于Gabor特征与局部保护降维的高光谱图像分类算法。该算法利用嵌入主成分分析的Gabor变换对高光谱图像进行特征提取。为了保护相邻特征的局部信息，利用局部Fisher判别分析或局部保护非负矩阵分离对Gabor特征进行降维，并采用高斯混合模型分类器对降维后的特征进行分类。两组高光谱数据的实验结果表明，本文算法不但能充分挖掘高光谱图像的谱间-空间特征，而且有效保护了高光谱图像的局部特征信息与多模型结构。与现有的几种算法相比，本文算法能得到更高的分类精度和Kappa系数，在高斯噪声环境中也

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：9437184
    • 提供者：weixin_38720256
« 12 3 4 5 »