使用DNN进行语音分离的卷积NMF联合优化激活系数

nmf的matlab代码SDGNMF 用于图像共聚的稀疏双图正则化NMF 此存储库实现了Jing Sun等人针对“稀疏双图正则化NMF进行图像共聚”提出的聚类算法的迭代更新过程。此代码在人脸上进行聚类实验（ORL-32和PIE-pose27 ）和对象（COIL20）数据集以获得AC和NMI，然后验证SDGNMF的聚类有效性。 此外，该代码还可以显示我们的稀疏性研究和运行时间，以便与其他基于NMF的聚类方法进行比较。 依存关系 该代码支持Matlab。 跑步 主目录 下载本文 引文 如果您认为此代码有用，请引用： 孙静，王志辉，孙富明，李浩杰*。 用于图像共聚的稀疏双图正则化NMF。 神经计算，2018，316（NOV.17）：156-165。

nmf的matlab代码对称NMF用于图聚类 对称非负矩阵因式分解（SymNMF）是一种无监督的图聚类算法，发现了许多用例及其扩展，这些用例涉及生物信息学和基因组研究。 这个Matlab软件包是为以下论文开发的： Da Kuang, Chris Ding, Haesun Park, Symmetric Nonnegative Matrix Factorization for Graph Clustering, The 12th SIAM International Conference on Data Mining (SDM '12), pp. 106--117, 2012. 和日记版本： Da Kuang, Sangwoon Yun, Haesun Park, SymNMF: Nonnegative low-rank approximation of a similarity matrix for graph clustering, Journal of Global Optimization, 62(3):545-574, 2015. 如果发现该代码有用，请引用本文。 问题陈述 S

使用PCA、NMF和HOG特征，分别配以KNN（k=1,3,5）和SVM两类分类器，实现对交通标志的分类（包括对其余类的拒识）（Matlab完整源码和数据） PCA_KNN : PCA + KNN PCA_SVM : PCA + SVM NMF_KNN : NMF + KNN NMF_SVM : NMF + SVM HOG_KNN : HOG + KNN HOG_SVM : HOG + SVM

vs运行matlab代码 PCA_vs_NMF Compare the decomposition results of PCA and Non-negative Matrix Factorization (NMF) on Yale's faces dataset. PCA: 使用matlab自带的函数实现 NMF: 自己写了实现的代码 测试数据： 耶鲁大学的人脸数据库。考虑到可能有版权的问题，所以没有上传相应的数据，大家可以自己去相应的网站上下载。 结果： result_analysis.pdf中有给出我自己运行出的结果和相应的分析。

函数 [W,H,Q, Vhat] = betaNTF(V,K,varargin) %------------------------------------------------- ----------------- 简单的beta-NTF实施百分比% % 将维度为 FxTxI 的张量 V 分解为 NTF 模型： % V(f,t,i) = \sum_k W(f,k)H(t,k)Q(i,k) % % 通过最小化作为成本函数的 beta-divergence。 % 特殊情况包括： % * beta = 2 : 欧几里得成本函数% * beta = 1：Kullback-Leibler 成本函数% * beta = 0 : Itakura-Saito 成本函数% % 谨慎： % V 的第三维应该是最小的。 置换如果需要，将您的数据用于此目的。 % % % 可以通过权重因子 P 对成本函数进行加

nmf的matlab代码等级2的NMF 等级2级非负矩阵分解（HierNMF2）是用于大型文档聚类和主题建模的无监督算法。 它的质量是LDA的20倍左右。 HierNMF2也已成功应用于生物信息学领域。 这个Matlab软件包是为以下论文开发的： Da Kuang, Haesun Park, Fast rank-2 nonnegative matrix factorization for hierarchical document clustering, The 19th ACM SIGKDD International Conference on Knowledge, Discovery, and Data Mining (KDD '13), pp. 739-747, 2013. 如果发现该代码有用，请引用本文。 所有这些Matlab函数均已记录在案。 要开始使用，请运行脚本test.m请在每个M文件的开头找到帮助程序文本，以获取更多选项。 脚本test.m使用Reuters数据集生成具有20个叶节点的主题层次结构。 通常，HierNMF2算法更喜欢术语文档矩阵，其中每个数据点（文档

求解nmf的工具箱，有nmf_mm.nmf_colin等

nmf的matlab代码使用随机投影和Nesterov迭代的NMF快于快 由Farouk Yahaya，Matthieu Puigt，Gilles Delmaire和Gilles Roussel撰写 由Olivier Vu thanh修改 最近在非负矩阵分解（NMF）中实施了随机投影，以加快NMF计算速度，而性能损失可忽略不计。 在本文中，我们研究了当NMF技术使用快速Nesterov梯度下降（NeNMF）时此类投影的影响。 我们通过实验表明，对于非常大的数据矩阵，结构化随机投影显着加快了NeNMF的速度。 下载 。 该代码是由Farouk YAHAYA编写的，并由Farouk YAHAYA，Matthieu PUIGT，Gilles DELMAIRE和Gilles ROUSSEL（firstname.LASTNAME，位于univ-littoral.fr）维护。 此代码由Olivier VU THANH修改（firstname.last-name [at] grenoble-inp.org） 它包含几个功能和文件夹： 自述文件 add_paths.m 演示 data_simuilat

Matlab非负矩阵分解实现协同过滤，可用