光谱解混可以有效提升高光谱图像的利用效率。非负矩阵分解(NMF)常用于寻找非负数据的线性表示,可以有效解决混合像元问题。基于丰度的稀疏性和图像局部不变性提出一种高光谱解混算法。对丰度采取稀疏性约束和基于拉普拉斯矩阵的图正则项约束,构造了一个新的目标函数,端元和丰度在经过若干次迭代后取得了较好的解混合结果。该算法在模拟和真实数据上都进行了有效性验证,实验结果证明所提算法具有良好的解混性能。

选址的matlab代码

针对离散Hopfield 神经网络(DHNN) 的权值设计问题, 提出一种改进型学习算法, 并在DHNN动力学分析的基础上设计该学习算法. 利用矩阵分解的方法(MD) 得到正交矩阵, 并采用得到的正交矩阵直接计算DHNN的权值矩阵. 通过该学习算法得到的权值矩阵, 可以很好地存储训练样本的信息, 使测试样本收敛到稳定点. 该学习算法不需要进行分块计算, 减少了计算步骤和计算量, 降低了网络的迭代次数, 从而提高了网络运行速度. 最后, 将该学习算法应用于水质评价, 验证了其有效性和可行性.

非负矩阵分解的matlab代码,内容全，适用于各种信号的分析 非负矩阵分解的matlab代码,内容全，适用于各种信号的分析

录像机 SVD类型矩阵分解的优化算法，缺少用于协作过滤的值 算法： 交替最小二乘（例如参见Koren 2008） 循环坐标下降（Yu et al。） 去做： 正确支持偏见 正确引用

张量的n-秩近似 * 截断的Tucker分解：秩- 近似

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：RobustPCA_图像矩阵分解算法_对噪声不敏感_能处理高维图像数据的特点_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

可以方便地进行矩阵的分解，求解线性方程组，以及进行多项式操作等。在输入矩阵时可 以直接输入数学表达式包括复数，例如可以直接输入sin(i+1)^2，而不同提前计算具体数值 。可以直接输入pi。使用说明在压缩包里。 当然也可以把该矩阵计算器当成普通的数学表达式计算器使用，包括复数的运算。在输入 数学表达式后点击“行列式的值”便可以计算出表达式的结果。 如果只是矩阵的简单操作，使用该计矩阵算器还是比较划算的。虽然matlab的功能要强大 出许多倍，但毕竟占用的资源更多。 希望对大家有用！

结合低秩矩阵分解的带状噪声模型用于高光谱图像去噪

nmf的matlab代码QRPBB-NMF方法 用于非负矩阵分解的二次正则投影Barzilai-Borwein方法的Matlab实现。 随附的论文可以在以下位置找到 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投影Barzilai-Borwein方法。 数据挖掘与知识发现，2015，29（6）：1665-1684。 注意：该代码适用于m> n的输入矩阵V（mxn）。 如果m <= n，则将其应用于V ^ T的速度更快。 可以通过电子邮件将评论发送到。 欢迎任何评论！