论文community preserving network embedding的matlab实现 可以直接测试texas,cornell等数据集

稀疏正则化函数的选取直接影响到稀疏非负矩阵分解高光谱解混的效果。目前，主要采用 L0.或 L1 范数作为稀疏度量。L0 稀疏性好，但求解困难；L1 求解方便，但稀疏性差。提出一种近似稀疏模.型，并将其引入到多层非负矩阵分解(AL0-MLNMF)的高光谱解混中，将观测矩阵进行多层次稀疏分.解，提高非负矩阵分解高光谱解混的精度，提升算法的收敛性。仿真数据和真实数据实验表明：该算.法能够避免陷入局部极值，提高非负矩阵分解高光谱解混性能，算法精度上比其他几种算法都有较大.的提升效果，RMSE 降低 0.001~1.676 7，SAD 降低 0.002~0.2443。

NMF介绍PPT，Learning the parts of objects by nonnegative matrix factorization

软阈值matlab代码用于语音分离的深度递归非负矩阵分解（DR-NMF）的实现 DR-NMF是一个递归神经网络，它是由应用于稀疏NMF推理的迭代软阈值算法（ISTA）的展开迭代构建而成的。 稀疏NMF推论是在给定非负字典W的情况下推论非负稀疏系数H的任务，使得WH逼近非负观察矩阵X。对于语音分离，观察矩阵X是有声音频的原始频谱图，并且对字典W进行分区变成语音和噪声成分。 字典W的这种划分允许在STFT域中计算增强掩码。 在这里阅读论文： 指示： 使用，可以从中获得。 设置环境（更新05-03-19）。 此代码取决于某些较旧版本的软件包（请参阅。要设置conda环境，请运行以下命令： conda create --name drnmf_orig3 cudnn=5.1 gxx_linux-64=5.4.0 python=2.7 theano=0.9.0 numpy=1.11 pygpu=0.6.9 pip install keras==2.0.4 librosa==0.5.1 joblib==0.11.0 hickle jupyter 通过运行下载所需的工具箱。 通过用本地CHiME2路径

非负矩阵分解是采用向量空间模型，进行基于内容的推荐挖掘时，进行向量空间降维的一个常用算法

人脸识别 MATLAB NMF分解程序 人脸识别 MATLAB NMF分解程序 用于人脸识别的NMF分解程序(用MATLAB编写的)

关于图像处理方面的方法 介绍的非常详细 看起来很明白

nmf的matlab代码

用于人脸识别的NMF分解程序用MATLAB编写的-nmfpack.part03.rar 资源来自互联网，鄙人倒腾了一天。。。学识所限没能跑起来，分享给大家，愿牛人解决下。 nmfpack.part01.rar nmfpack.part02.rar nmfpack.part03.rar nmfpack.part04.rar nmfpack.part05.rar nmfpack.part06.rar nmfpack.part07.rar nmfpack.part08.rar nmfpack.part09.rar nmfpack.part10.rar nmfpack.part11.rar nmfpack.part12.rar nmfpack.part13.rar nmfpack.part14.rar

使用MATLAB实现NMF算法，是一种人脸特征提取的算法，基于非负矩阵分解