matlab三维张量分解代码DTF：预测抗癌药物协同作用的深层张量分解 这些是代码和数据，主要用于该项目，该项目使用深张量因子分解来预测抗tic子药的协同作用。 我在这里使用的唯一数据集是38种药物和39种细胞系的药物协同作用数据，这些数据是根据ONeil等人的研究得出的。 为了实现DTF模型，首先，我使用R预处理原始数据以构建张量，然后将其用于Python和MATLAB 。 对于某些特定的细胞系，对相同的药物对进行了多次实验。 为了构建三维（3D）药物-细胞-细胞系张量，我们对相同药物-药物对的这些分数取平均值。 结果张量在data_sets文件夹中提供。 为了在matlab中分解张量，我使用和。 张量分解的结果以因子矩阵的形式提供。 python代码主要涉及如何根据Matlab的输出生成特征，并给出了构建最终DTF模型以对缺失药物组合进行预测的代码。 注意，为了方便编程，将每种药物组合编码为一个索引。 具体来说，我使用公式：drug_A_index + drug_B_index * 38 + cell_line_index * 38 * 38来编码药物组合。 因此，我可以解码索引以

张量的n-秩近似 * 截断的Tucker分解：秩- 近似

张量（tensor） 多维数组 * 一阶张量（向量） 二阶张量（矩阵） 三阶张量

贝叶斯泊松因子 贝叶斯泊松张量因子分解这是可扩展的贝叶斯张量因子分解模型的matlab实现，其中包含在线推理和在线与并行推理。 该代码与我们的以下两个出版物有关： （1）胡楚，赖佩瑞，陈晨，哈丁，卡林大规模计数数据的可伸缩贝叶斯非负张量分解，ECML-PKDD 2015，葡萄牙波尔图。 （2）C.胡，P。赖，L。卡林。 大规模二元张量的零截断泊松张量分解，UAI 2015，阿姆斯特丹，荷兰。 运行demo_parallel.m来运行代码，我们在这里使用的数据是GDELT政治科学数据。 您需要以两个变量的形式准备数据：id和xi; 并将其存储在xi_id.mat;中 id：应该是1X4像元，第k个像元是一个向量，在张量中存储非零的第k个模式索引xi：是一个向量，存储张量的所有非零 如果设置paralellFlag = 0，则可以运行在线推断。 如果速度太慢，则可以通过设置paralel

多张量 多层网络张量分解，用于社区检测，链路预测和度量层相互依赖性。 新版本：可以在找到新的更新高效的cpp和python版本。 在此链接中，您可以找到文档和用法示例。 因此，将不再维护该存储库中的代码，所有将来的新更新都将上载到新的存储库 。 实现以下算法： [1] De Bacco，C.，Power，EA，Larremore，DB，＆Moore，C.（2017）。 多层网络中的社区检测，链接预测和层相互依赖性。 物理评论E，95（4），042317。 如果使用此代码，请引用 。 预印本可在或找到。 如果您进一步对MultiTensor扩展感兴趣： ：用于合并节点属性 Contisciani M.，Power E.和De Bacco C.（2020）。 多层网络中具有节点属性的社区检测，《科学报告》 10，15736（2020）。 ：用于合并互惠 Safdari H.

张量cp划分matlab代码具有直接因子级稀疏控制的非负张量分解 此目录包含用于直接控制因子级别稀疏性的非负张量 CP (Parafac) 分解的 MATLAB 代码。 此代码建立在并利用来自现有公共软件包的例程，如下所列。 代码在 MATLAB 6.0 或更高版本上运行。 文件： cpNonnegSp.m：将张量分解为每个模式上具有指定稀疏度的非负因子 tuckerNonneg：将张量分解为具有非负核和因子的 Tucker 模型 依赖： （对于一般的张量结构） （用于快速 NNLS 求解器） （对于稀疏投影实现） 论文中描述了这种方法。 上面论文中实验中使用的数据集由另一个私有 fMRI 扫描数据集组成。 如果您使用该软件，请引用上面的参考。

Matlab代码sqrt 贝叶斯扩充张量分解 该存储库为以下论文提供了Matlab代码： 陈新宇，何兆成，陈以先，陆玉环，王佳伟（2019）。 贝叶斯增强张量分解模型的缺失交通数据归因和模式发现。 交通运输研究C部分：新兴技术，104：66-77。 [] [] [] [] [] [] 项目结构 BATF代码 BATF_VB.m ：主代码文件。 为BATF实现变体推断。 Test_BATF.m ：测试文件。 您可以在此处找到一个测试示例。 实用功能 ms_scenario.m ：生成具有不同丢失方案的不完整张量。 cp_combination.m ：用于因子矩阵上CP组合的函数。 khatrirao_fast.m ：快速的Khatri-Rao产品功能。 kr.m ：Kronecker产品功能。 mat2ten.m ：张量折叠功能。 ten2mat.m ：张量展开功能。 vec_combination.m ：用于将偏差向量求和到3维张量的函数。 （请考虑使用较新版本的MATLAB） safelog.m ：一个安全的对数函数，受。 实验数据集 tensor.mat ：原始速度数据。 组织为三

去噪声代码matlab 张量 Matlab代码，用于基于凸优化的张量分解（补全/去噪）。 这是一个更新，更干净但文档较少的存储库。 也请看看我的老。

matlab张量积代码张量特征提取 这是用于多维数据特征提取的MATLAB脚本。 该存储库包含两种算法，具有高阶正交迭代的特征提取[1]和具有张量-列分解的特征[2]。 我实现了这些特征提取算法，并使用MNIST手写数字数据集对它们的准确性进行了实验。 安装： 安装 。 安装 。 安装 。 克隆我们的代码： $git clone git@github.com:YoshiHotta/tensorFeatureExtraction.git 运行脚本文件（src / * _ script.m） 学分。 该算法在以下文章中提出，并不是我的结果。 [1] Phan，Anh Huy和Andrzej Cichocki。 “用于高维数据集的特征提取和分类的张量分解。” 非线性理论及其应用，IEICE 1.1（2010）：37-68。 [2] Bengua，Johann A.，Ho N. Phien和Hoang D. Tuan。 “通过矩阵乘积状态分解对张量进行最佳特征提取和分类。” 大数据（BigData Congress），2015年IEEE国际大会。 IEEE，2015年。 该脚本除了使用以下论文

附录里的matlab代码张量死亡率预测 该目录提供了可在以下论文中重现结果的代码： Dong，Y.，Huang，F.，Yu，H.，＆Haberman，S.（2019年）。 使用张量分解预测多族群死亡率，工作论文。 软件依赖 地块/表格是在以下软件下生成的 MATLAB R2018b 作业系统：Windows 10 [重要笔记]： “张量工具箱”用于进行张量分解。 主页是。 “ DSP系统工具箱”用于计算RMSE / RMSFE。 可以在MATLAB中下载。 “ Econometrics Toolbox”用于拟合时间序列模型。 可以在MATLAB中下载。 “并行计算工具箱”用于执行parfor循环。 可以在MATLAB中下载。 Lee-Carter模型的MATLAB代码可从本文的附录（图9）中获得。 您也可以使用其他软件来拟合Lee-Carter模型，因为它是著名模型。 由于版权，我们不提供Lee-Carter模型的代码。 此处使用的数据是中心死亡率（Mx_1x1），应从“人类死亡率数据库”（）进行下载和处理。 为了方便起见，我们将数据安排为“ .mat”格式。 繁殖指南 我们以10个欧