NMF 用于人脸识别，将人脸图像分解成两个低秩矩阵，即一个基矩阵，一个权值矩阵，基矩阵即人脸上的特征矩阵子空间。

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

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

nmf的matlab代码bnmf 贝叶斯NMF工具包（BNMF-Tool）为Matlab中的KL发散实现了贝叶斯NMF。 贝叶斯NMF工具箱（BNMF-Tool）实现了针对以下方面的KL散度的贝叶斯NMF： N. Mohammadiha，P。Smaragdis和A. Leijon，“使用非负矩阵分解的有监督和无监督语音增强方法”，IEEE Trans。 音频，语音和语言处理，第1卷。 21号10，第2140–2151页，2013年10月： 该实现基于包含所有相关功能的NMF类（@NMF）。 在demo.m中演示了该类的用法，其中BNMF用于建议的有监督和无监督降噪。在Matlab中运行演示时，请确保包含@NMF的目录在Matlab搜索路径中。 阅读用户指南文件以获取代码说明。

nmf的matlab代码局部强凹边界的GAP安全筛查 作者：卡西欧·F·丹塔斯（Cassio F. Dantas） 这是一个Matlab代码，与以下论文相对应： [1] CF Dantas，E。Soubies和C.Févotte撰写的“扩展GAP安全筛选的边界”提交给JMLR 2021。 [2] CF Dantas，E。Soubies和C.Févotte“通过Kullback-Leibler散度进行稀疏回归的安全筛选”已提交给ICASSP 2021。 它包括三个主要的模拟案例：逻辑回归，β= 1.5散度和Kullback-Leibler散度。 所提出的技术是文献中能够解决最后引用的两个案例（beta div和KL）的第一个筛选规则。 内容 需要编译CoD_KL_l1_update.cpp（从“求解器”文件夹中运行“ mex CoD_KL_l1_update.cpp -lmwblas”）。 不提供数据集，用户需要下载数据集并将其放置在子文件夹中。/数据集（白血病，城市高光谱图像，NIPS论文，20个新闻组，口味简介和百科全书）。 有关更多说明，请参见文件load_dataset.m。 合

nmf的matlab代码

非负矩阵划分matlab代码NMF-ML 多层非负矩阵分解 MATLAB 实现。 该算法在 中描述。 您可以自由使用代码。 请通过引用承认。 要安装，请将 (git clone) 克隆到一个新目录中。 您可以通过更改到该目录并运行 basic_test.m 在 MATLAB 中对其进行测试，其中还显示了一个基本用例。 享受！

nmf的matlab代码估计-f0-不谐和 估计一个孤立的钢琴音符的基频F0和不谐音系数B 该代码在 F. Rigaud, B. David, and L. Daudet, “A parametric model and estimation techniques for the inharmonicity and tuning of the piano” , The Journal of the Acoustical Society of America, vol. 133, no. 5, pp. 3017–3118, 2013. 本文介绍了一种基于非负矩阵分解（NMF）框架的健壮新算法，以便从孤立的音符中精确估算(F0,B) 。 怎么跑 克隆目录 $ git clone https://github.com/beiciliang/estimate-f0-inharmonicity.git 使用pip安装需求 $ cd estimate-f0-inharmonicity $ pip install --user -r requirements.txt 运行python文件 $ pyt

matlab code for pattern recognition. 包含完整PCA NMF LDA GMM代码和使用说明

随附的论文可以在http://link.springer.com/article/10.1007/s10618-014-0390-x找到 请引用随附的论文： 黄亚奎、刘宏伟、周水生。 用于非负矩阵分解的二次正则化投影 Barzilai-Borwein 方法。 数据挖掘与知识发现，2015，29(6)：1665-1684。 备注：此代码适用于 m > n 的输入矩阵 V (mxn)。 如果 m <=n，则将其应用于 V^T 会更快。 可以通过电子邮件将评论发送至 huangyakui2006@gmail.com。 欢迎任何评论！