非负矩阵论文_王信存,吕洪斌,商钰莹

导读:本文包含了非负矩阵论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:矩阵,分解,光谱,稀疏,递归,音分,界约。

非负矩阵论文文献综述

王信存,吕洪斌,商钰莹^[1]（2019）在《对角相似变换下的非负矩阵最大特征值算法》一文中研究指出通过引进一个参数构造与迭代矩阵的行和相关的正对角矩阵,应用矩阵的正对角相似变换,给出不可约非负矩阵最大特征值与对应特征向量的数值算法,算法中每一步参数的选择灵活性都较大,从而提高了收敛速度.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）

张帆,李林^[2]（2019）在《基于非负矩阵分解与调和函数的半监督学习方法》一文中研究指出数据分类是统计学的重要组成部分,为统计与决策提供高质量的数据支撑。半监督学习作为重要的数据分类方法,近年来被广泛研究,文章提出了一种基于非负矩阵分解与调和函数的半监督学习方法(NMF-HF)。首先,对原始数据矩阵进行非负矩阵分解(NMF)从而得到特征矩阵,利用调和函数(HF)的性质对原始数据进行数据分类,最后将该方法(NMF-HF)与经典分类方法进行分类准确率对比,得到的实验结果证明了NMF-HF的高效性。(本文来源于《统计与决策》期刊2019年22期）

杨文康,方勇华,刘家祥,吴越,张蕾蕾^[3]（2019）在《基于改进非负矩阵分解的多组分气体光谱解混算法》一文中研究指出从重迭情况严重的混合气体光谱中解析出单一纯光谱数据,一直是光谱解析的难点。为了得到理想的解混精度,采用改进的非负矩阵分解算法,引入光谱的相关性约束与平滑性约束,并给出优化的梯度下降法的迭代步长,以避免算法收敛到局部不稳定点带来的影响.改进的算法既综合了矩阵的分解误差,又考虑了混合光谱特性的影响。实验数据表明,改进的非负矩阵分解得到的解混结果能够准确解析出各源光谱的特征峰形状,并且各解混结果之间几乎没有混合迭加影响部分,可以满足后续的光谱识别工作。(本文来源于《量子电子学报》期刊2019年06期）

孙莉,于瑞林,吴杰芳^[4]（2019）在《非负矩阵分解与光谱解混》一文中研究指出非负矩阵分解(NMF)用两个非负矩阵的乘积近似原始数据对应的非负矩阵,它为基于线性光谱混合模型的光谱解混提供了新途径。给出NMF在光谱解混中叁个矩阵的具体含义后,用五种求解NMF的有效算法,对Jasper Ridge的高光谱遥感图像进行解混。讨论了五种算法的迭代方式以及收敛性质。实验结果表明,五种算法能成功分离出4种端元光谱以及相应的丰度谱图,其中有效集型算法表现突出。(本文来源于《山东农业大学学报(自然科学版)》期刊2019年05期）

邹振城,刘厶元^[5]（2019）在《基于非负矩阵分解的递归稀疏表示的心肺音分离方法》一文中研究指出针对心肺音的时序结构特性,提出一种基于非负矩阵分解的递归稀疏表示的心肺音分离方法。通过非负矩阵分解构建能有效描述心肺音的递归特征心肺音字典;基于该字典,获得心音和肺音的稀疏表示,实现心肺音分离。实验结果表明:本文设计的心肺音分离方法取得的效果优于基于非负矩阵分解的稀疏表示的心肺音分离方法、监督非负矩阵分解方法的心肺音分离和带通滤波。(本文来源于《自动化与信息工程》期刊2019年05期）

许铭,王冬霞,周城旭,张伟^[6]（2019）在《改进的Kullback-Leibler复非负矩阵分解语音增强算法》一文中研究指出针对单通道非负矩阵分解语音增强算法忽略相位信息的问题,提出了一种改进的Kullback-Leibler复非负矩阵分解的语音增强算法。该算法考虑到传统非负矩阵分解算法在复频域中增强语音时目标函数的影响,构建了一种适用于复频域的Kullback-Leibler散度下的目标函数,同时采用频谱一致性约束相位谱补偿算法,使其重构出的语音数据相位谱得到进一步的调制。实验结果表明,对于不同的非平稳噪声,所提出的算法在不同信噪比下均取得了较好的语音增强效果,尤其在低信噪比条件下(0 dB以下)语音增强效果较为明显,性能评估指标的增量较高,较好地克服了由传统相位谱补偿算法造成的信源失真率较低的缺点,进一步减少失真,抑制背景噪声,实现语音增强。(本文来源于《声学技术》期刊2019年05期）

石春鹤,吴成东^[7]（2019）在《基于加权稀疏非负矩阵分解的车脸识别算法》一文中研究指出为提高多种光照条件下交通卡口视频中车脸识别的准确性,提出了一种基于改进非负矩阵分解的车脸识别算法.对采集图像进行预处理,获得车脸图像与车牌信息.基于特定光照条件,自适应提取车脸图像的初始特征.针对车脸图像中像素位置的重要性差异,建立了加权稀疏约束非负矩阵分解的特征降维方法.通过判断特征相似性与车牌信息一致性,确定车辆是否合法.实验结果表明所提算法具有较好的识别性能,真实接受率与错误拒绝率分别可达到0. 987 5与0. 04,并满足实时性要求.(本文来源于《东北大学学报(自然科学版)》期刊2019年10期）

刘徽,黄宽娜^[8]（2019）在《非负矩阵Hadamard积谱半径的下界序列》一文中研究指出针对非负矩阵A和B的Hadamard积谱半径ρ(AoB)的下界估计问题,给出叁个单调递增的收敛的下界序列.易于计算且能达到较紧的界.最后通过数值算例对理论结果进行验证,计算结果显示在某些情况下能达到真值.(本文来源于《数学的实践与认识》期刊2019年18期）

李成,赵海琳^[9]（2019）在《基于L_(21)范数的正则化非负矩阵分解算法》一文中研究指出非负矩阵分解(Nonnegative Matrix Factorization,NMF)给矩阵分解加了非负的约束条件,其分解的子矩阵更容易解释。传统的NMF算法使用基于L_2范数的优化目标,不容易识别非线性分布的数据结构。为了解决这一问题,提出一种基于L_(21)范数的正则化非负矩阵分解算法,将非负矩阵分解的目标函数写成L_(21)范数的形式,并在目标函数中加入图正则化项,使其能更好地处理复杂的非线性数据。最后,使用基准数据集,在聚类任务上测试所提出算法的性能。实验结果表明,所提出的算法可以提取数据的关键特征,获得原始数据的低维表示,产生更好的聚类结果。(本文来源于《控制工程》期刊2019年09期）

彭梦冉^[10]（2019）在《基于非负矩阵分解算法的人脸识别方法》一文中研究指出人脸识别是利用计算机提取人脸的相关特征,并由此辨别人物身份的一种应用技术,人脸图像的特征提取是人脸识别过程中最关键的技术之一,局部特征提取方法是人脸特征提取方法中比较常用的一种方法,而非负矩阵分解算法是一类应用较为广泛的局部特征提取方法。以人脸识别中的特征提取作为研究对象,在已有的非负矩阵分解算法理论的基础上,将矩阵变换理论、最速下降法和稀疏性理论结合,分别提出了基于矩阵变换的非负矩阵分解算法和基于最速下降法的非负矩阵分解算法,将改进的算法应用到人脸识别中,并讨论改进的算法与传统非负矩阵分解算法在人脸识别中的不同效果。结果表明,提出的算法相对于传统的NMF算法具有运行时间快、误差小的优点。(本文来源于《长春工程学院学报(自然科学版)》期刊2019年03期）

非负矩阵论文开题报告

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

数据分类是统计学的重要组成部分,为统计与决策提供高质量的数据支撑。半监督学习作为重要的数据分类方法,近年来被广泛研究,文章提出了一种基于非负矩阵分解与调和函数的半监督学习方法(NMF-HF)。首先,对原始数据矩阵进行非负矩阵分解(NMF)从而得到特征矩阵,利用调和函数(HF)的性质对原始数据进行数据分类,最后将该方法(NMF-HF)与经典分类方法进行分类准确率对比,得到的实验结果证明了NMF-HF的高效性。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

非负矩阵论文参考文献

[1].王信存,吕洪斌,商钰莹.对角相似变换下的非负矩阵最大特征值算法[J].吉林大学学报(理学版).2019

[2].张帆,李林.基于非负矩阵分解与调和函数的半监督学习方法[J].统计与决策.2019

[3].杨文康,方勇华,刘家祥,吴越,张蕾蕾.基于改进非负矩阵分解的多组分气体光谱解混算法[J].量子电子学报.2019

[4].孙莉,于瑞林,吴杰芳.非负矩阵分解与光谱解混[J].山东农业大学学报(自然科学版).2019

[5].邹振城,刘厶元.基于非负矩阵分解的递归稀疏表示的心肺音分离方法[J].自动化与信息工程.2019

[6].许铭,王冬霞,周城旭,张伟.改进的Kullback-Leibler复非负矩阵分解语音增强算法[J].声学技术.2019

[7].石春鹤,吴成东.基于加权稀疏非负矩阵分解的车脸识别算法[J].东北大学学报(自然科学版).2019

[8].刘徽,黄宽娜.非负矩阵Hadamard积谱半径的下界序列[J].数学的实践与认识.2019

[9].李成,赵海琳.基于L_(21)范数的正则化非负矩阵分解算法[J].控制工程.2019

[10].彭梦冉.基于非负矩阵分解算法的人脸识别方法[J].长春工程学院学报(自然科学版).2019

论文知识图

标签：矩阵论文;  分解论文;  光谱论文;  稀疏论文;  递归论文;  音分论文;  界约论文;