期刊专题

10.3969/j.issn.1002-137X.2014.02.013

基于多核学习的投影非负矩阵分解算法

引用
非负矩阵分解(NMF)把给定的数据矩阵分解成低维的非负基矩阵和对应的系数矩阵,两者之间存在必然联系.为此,研究者将基矩阵转换为系数矩阵的投影,进一步提高分解效率.但是该方法无法处理非线性数据,核函数的引入部分解决了此问题,却同时导致核函数参数选择的问题.基于多核学习理论,提出了一种多核学习的投影非负矩阵分解(MKPNMF)算法,该算法有效地避免了核函数参数选择的问题,同时提高了学习性能.在实际人脸数据上的实验结果表明,MKPNMF较已有的NMF类方法具备明显的性能优势.

投影非负矩阵分解、核函数、多核学习

41

TP391(计算技术、计算机技术)

中央高校基金科研业务费专项基金2011JBM030,2013JBZ005;教育部博士点基金20120009110006;北大方正集团有限公司数字出版技术国家重点实验室开放课题资助

2014-03-19(万方平台首次上网日期,不代表论文的发表时间)

共4页

64-67

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

41

2014,41(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn