matlab程序，自己写的矩阵奇异值分解。不是调用matlab的函数。 matlab程序，自己写的矩阵奇异值分解。不是调用matlab的函数。 matlab程序，自己写的矩阵奇异值分解。不是调用matlab的函数。

行业分类-设备装置-一种非负矩阵分解的轴承故障特征提取和诊断方法.zip

基于非负矩阵分解的双重约束文本聚类算法.pdf

非负子空间聚类指导下的非负矩阵分解.pdf

矩阵论 南京航空航天大学 戴华编著，清晰版。研究生数学教学系列教材（工科类）科学技术出版社。本书较全面、系统地介绍了矩阵理论的基本理论、方法和某些应用。

可用于盲源分离的非负矩阵分解方法，对于传统盲分离方法有很大的改进，可用于处理很多领域的信号。

在推荐系统中，在矩阵分解中利用文本信息来减轻数据稀疏性的问题已经做出了许多努力。 最近，一些工作已经探索了神经网络，以对文本项内容进行深入的了解，并通过生成更准确的项潜在模型获得了令人印象深刻的效果。 然而，在矩阵分解中如何有效利用用户和项目的描述文档仍然存在一个未解决的问题。 在本文中，我们提出了使用深度神经网络（DRMF）进行双正则化矩阵分解的方法。 DRMF采用卷积神经网络和门控递归神经网络堆叠的多层神经网络模型，以生成用户和项目内容的独立分布式表示。 然后，表示法用于规范矩阵分解中用户和项的潜在模型的生成。 我们提出了学习DRMF中所有参数的相应算法。 实验结果证明，双向正则化策略显着提高了矩阵分解方法的评分预测准确性和前n个推荐的召回率。 而且，作为DRMF的组成部分，新的神经网络模型比单一卷积神经网络模型更好地工作。

共识非负矩阵分解（cNMF）v1.2 cNMF是用于从单细胞RNA-Seq（scRNA-Seq）数据推断基因表达程序的分析管道。 它以一个计数矩阵（N个细胞XG基因）作为输入，并生成一个（K x G）个基因表达程序（GEPs）矩阵和一个（N x K）矩阵，该矩阵指定数据中每个细胞的每个程序的用法。 您可以在阅读有关该方法的更多信息。 此外，该论文中的分析还可以在上进行探索和重新执行。 您可以在本README中阅读有关如何运行cNMF管道的更多信息，并可以在随附的和使用示例数据对它进行测试。 从1.1版更新 将用于确定高变异性基因的低均值表达基因的阈值从0.01提高到0.5。 除少数单元格外，一些用户正在识别使用率极低的无法解释的程序。 我们怀疑这是由于包含了在少数细胞中检测到的具有高变异性的基因所致。 在大多数情况下，默认参数的此更改将有助于解决该问题。 更新了NMF的导入，以与>

基于Opencv库的投影矩阵P分解成K R T三分量，即内参K，外参R T。

#GrNMF R 包 该包是 Deng Cai 2008 年论文“流形上的非负矩阵分解”中描述的图形约束 NMF 算法的实现。 使用包 有关文档和使用示例，请参阅 R 中的help(GrNMF) 。