数值优化之非负矩阵分解应用(附可运行matlab代码和较好的可视化)

上传者: YINTENAXIONGNAIER | 上传时间: 2022-09-07 15:06:06 | 文件大小: 31.61MB | 文件类型: ZIP
1 非负矩阵分解(NMF或NNMF),也是非负矩阵逼近是多元分析和线性代数中的一组算法,其中矩阵V被分解为(通常)两个矩阵W和H ,具有所有三个矩阵都没有负元素的性质。这种非负性使生成的矩阵更容易检查。此外,在处理音频频谱图或肌肉活动等应用中,非负性是所考虑的数据所固有的。由于该问题通常不能完全解决,因此通常用数值近似。 2 适合机器学习,数值优化,图像处理,信号处理等专业的初学者进行分析和学习。 3 语音去噪一直是音频信号处理中长期存在的问题。如果噪声是静止的,则有许多去噪算法。例如,维纳滤波器适用于加性高斯噪声。然而,如果噪声是非平稳的,经典的去噪算法通常性能较差,因为非平稳噪声的统计信息难以估计。施密特等人。使用NMF在非平稳噪声下进行语音去噪,这与经典的统计方法完全不同。关键思想是干净的语音信号可以用语音字典稀疏地表示,但非平稳噪声不能。类似地,非平稳噪声也可以用噪声字典稀疏表示,但语音不能。NMF去噪算法如下。两个字典,一个用于语音,一个用于噪声,需要离线训练。

文件下载

资源详情

[{"title":"( 1404 个子文件 31.61MB ) 数值优化之非负矩阵分解应用(附可运行matlab代码和较好的可视化)","children":[{"title":"Readme.txt <span style='color:#111;'> 237B </span>","children":null,"spread":false},{"title":"huber_pos.m <span style='color:#111;'> 1.98KB </span>","children":null,"spread":false},{"title":"rel_entr.m <span style='color:#111;'> 1.54KB </span>","children":null,"spread":false},{"title":"vec.m <span style='color:#111;'> 382B </span>","children":null,"spread":false},{"title":"log_prod.m <span style='color:#111;'> 1.01KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明