【摘 要】
：
非负矩阵分解是在矩阵非负约束下的分解算法。为了提高识别率,提出了一种基于稀疏约束和图正则化的半监督非负矩阵分解方法。该方法对样本数据进行低维非负分解时,既保持数据
【机 构】
：
辽宁工业大学电子与信息工程学院,大连理工大学软件学院
【基金项目】
：
国家自然科学基金（61572244,61472059）,辽宁省高等学校优秀人才支持计划（LR2015030）资助.
论文部分内容阅读
非负矩阵分解是在矩阵非负约束下的分解算法。为了提高识别率,提出了一种基于稀疏约束和图正则化的半监督非负矩阵分解方法。该方法对样本数据进行低维非负分解时,既保持数据的几何结构,又利用已知样本的标签信息进行半监督学习,而且对基矩阵施加稀疏性约束,最后将它们整合于单个目标函数中。构造了一个有效的更新算法,并且在理论上证明了该算法的收敛性。在多个人脸数据库上的仿真结果表明,相对于NMF、GNMF、CNMF等算法,GCNMFS具有更好的聚类精度和稀疏性。
其他文献
利用2006-2015年北京站和昆明站逐日08时和20时(北京时)的探空资料,对这两地的逆温层特征和变化规律进行了统计分析。
协同过滤是现行推荐系统中应用最广泛也是最成功的推荐技术之一,然而传统的协同过滤推荐算法存在着邻居选取片面性和推荐精度低的问题。针对上述问题,提出了一种基于重叠度和
中老命运共同体是中共十八大以来习近平总书记提出的第一个双边层面的具有战略意义的命运共同体。中老战略命运共同体不仅具有重要的代表性意义,也具有丰富的内涵,其中政治上
摘要：“全景英语“教学理念要求教师通过形式多样的综合语言实践活动，引导学生思考、调查、交流和合作，综合运用语言知识和语言技能，完成学习任务，展现学习成果。本文以四年级下册《Project 1》为例，尝试以“全景英语”教学理念为指导，合理设计教学步骤，以体现“全景英语”目标设置之“全”、教学形式之“全”以及教学内容之“全”。关键词：整合资源；多元智能；合作交流中图分类号：G623.31文献标识码：A
空间逻辑是人工智能领域中的研究热点,RCC系统(GRCC系统)是其中最受关注的一个形式化系统。从连接关系的冗余和非冗余性质出发,给出了核心模型的定义,并且证明了核心模型的存在性定理。讨论了RCC模型的个体(相当于空间中的物体)内部连通性,证明了该内部连通性是一阶语义可定义的。基于内部连通性,证明了核心模型的外延定理。
操作转换算法是实时协同编辑系统首选的并发控制算法,它不仅能提供不受限的交互,而且维护分布式操作的意图一致性。然而随着操作数目的增多,操作的响应时间也会延长。结合多