NMF分解算法相较于传统的一些算法而言，具有实现上的简便性、分解形式和分解结果上的可解释性，以及占用存储空间少等诸多优点
2022-01-08 21:44:38
11KB
1
人脸图像特征提取matlab代码国际货币基金组织
具有稀疏约束的增量非负矩阵分解用于图像表示
此repo实现了由Jing
Sun等人针对“具有稀疏约束的增量非负矩阵分解进行图像表示的性能”所提出的特征提取算法的迭代更新过程。此代码对人脸（ORL-32）和对象（
COIL20）数据集以获取AC和NMI，然后验证INMFSC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
main.m--INMFSC
/
INMF
main1006
-NMF
main1024nmf
-GINMFSC
main1027nmf
-GNMF
下载本文
引文
如果您认为此代码有用，请引用：
孙静，王志辉，李浩杰*，孙发明。
（2018）具有稀疏约束的增量非负矩阵分解用于图像表示。
PCM（2）2018：351-360。
2021-12-16 22:01:18
7.01MB
1
Matlab非负矩阵分解NMF-NMF.ppt
非负矩阵分解讲义与程序
QQ截图未命名1.jpg
QQ截图未命名2.jpg
2021-12-13 10:45:12
67KB
1
nmf的matlab代码非负矩阵分解
通过倍频更新和贪婪坐标下降（GCD）编写的非负矩阵分解（NMF），采用八度。
特征
您可以在Octave（当然是MATLAB）上轻松执行NMF。
使用算法是关于欧几里得距离（EU），KL散度和IS（Itakura-Saito）散度准则的乘法更新规则。
NMF的背景
您应该阅读以下文章。
NMF：
乘法更新：
欧盟，吉隆坡
其他（beta差异）
贪婪坐标下降（GCD）：此算法仅支持EU。
用法
./exc_nmf.m
默认设置
该默认程序通过实数执行模拟。
如果要处理真实数据，请更改代码，例如“
parameter_setting.m”，“
input_data.m”等以供使用。
随机非负观测矩阵的大小：（18,30）
基本向量数：4
迭代次数：200
更新规则的初始值设置方法：随机非负值
您可以像下面那样在“
parameter_setting.m”上更改这些默认设置，
%
size
of
observation
matrix
I
=
18;
J
=
30;
%
number
of
basis
vectors
K
=
4;
%
iteration
2021-12-06 09:10:35
5KB
1