图正则化相关论文
随着信息化和机械化设备的普及以及计算机存储能力的提升,越来越多的高维特征数据得以保存。这些高维数据在为多领域应用提供海量......
近年来,针对网络科学领域的研究不断拓展,人们逐渐发现许多自然界乃至人类社会中的复杂现象均可以复杂网络的形式展现,如社交网络......
现实生活中存在着大量的复杂系统,将它们抽象成复杂网络进行研究分析已成为一种有效的研究手段。在网络科学中,簇结构已被证明是复......
字典学习是一种自适应稀疏表示方法,被广泛地应用于地震数据去噪、插值和稀疏表示。同传统的稀疏变换方法相比较,字典学习方法从训......
针对甲骨卜辞数据,提出一种基于对称非负矩阵分解的无监督文本聚类方法,根据卜辞之间的同文关系构建卜辞邻接网络,并将其作为约束......
链路预测是研究复杂网络缺失链接的预测与还原最有效的工具。链路预测目标是通过已知网络节点或结构信息（如节点属性,节点聚类,链接......
行人再识别技术是智能监控系统中重要的组成部分,其目的是在非重叠的摄像机采集区域,识别特定的行人身份,现已成为计算机视觉领域......
为解决传统特征选择方法忽略视图内部特征的相关性及不同视图之间的特征关联性问题,提出一种基于自适应相似性的特征选择学习方法......
互联网的迅猛发展使得数据量急剧增加。面对海量的数据，用户很难快速找到自己感兴趣的物品，信息过载问题由此产生。推荐系统针对不同......
随着信息化的普及,海量数据逐渐产生,数据表现出高维,多源和异构等特点。拥有这些特点的数据给机器学习,模式识别,计算机视角,信息......
伴随着科学技术的快速发展,人类社会已经进入了信息化时代,信息化时代的到来使得人类面临高效处理和分析各种规模庞大信息数据的挑......
MicroRNAs(miRNAs)是一类非基因编码小分子RNA,在基因转录后水平发挥了调控基因翻译表达的重要作用。它通过碱基互补配对的生物学......
学位
信息技术应用的日益提升使得互联网融入到人们生活的各个领域中,这也带来了海量增长的多媒体数据。现实中多媒体数据不仅种类和结......
轻度认知功能障碍(MCI)是正常老龄化与阿尔兹海默症(AD)的过渡阶段,并且MCI具有高风险转化为阿尔兹海默症(AD)的可能性。随着老龄......
近年来,越来越多的复杂疾病,如癌症、糖尿病、心脑血管疾病等,正成为死亡率极高的疾病。而且,生物学家和医学家的研究表明,这些复......
癌症是严重影响人类健康的重大疾病之一。随着基因芯片技术和第二代测序技术的发展,产生了大量的癌症组学数据。此类数据往往具有......
基于张量稀疏表示的多维图像特征提取方法,由于能够保留图像的空间结构,去除冗余信息,深入挖掘隐含在多维图像内部的本质特征,近年......
图像分类是跨越多学科的重要应用技术,实现图像分类首先要通过特征提取方法获取图像特征。随着图像获取设备的不断发展,目前的图像......
随着信息技术的不断发展,大数据的时代已经来临,互联网上的多媒体数据呈爆炸式增长。而多模态是大数据的一个重要特点,为了应对这......
在过去的十年里，随着互联网技术和社交网络的飞速发展，每天都会产生亿量级的多媒体数据。互联网上的多媒体数据以不同的形式存在来自......
针对非负矩阵分解方法对原始数据的单图约束导致的结果未知性大、满足需求单一,以及大多非负矩阵分解方法存在对噪声、离群点较敏......
针对现有的基于公共子空间的跨模态检索方法对不同检索任务的差异性、检索模态的语义一致性考虑不足的问题,提出一种联合线性判别......
低秩表示的目的是从整体上使得输入数据集的系数矩阵是低秩矩阵,但是它忽略数据集内部样本之间的关系,文中提出基于图正则化的低秩......
通过对投影非负矩阵分解(PNMF)增加数据点及其邻近点的约束,提出一种基于图正则化的投影非负矩阵分解(PGNMF)方法。PGNMF保留了数......
设计一个稳健的自动图像标注系统的重要环节是提取能够有效描述图像语义的视觉特征。由于颜色、纹理和形状等异构视觉特征在表示特......
用非下采样Contourlet变换提取图像的边缘、轮廓和纹理等具有高维奇异性的特征,并将提取的特征用来构造图的权重函数,用建立在图上......
针对潜在狄利克雷分布(LDA)模型中,视觉单词语义分辨能力弱,忽略特征之间的空间位置关系的问题,提出一种基于局部特征编码的LDA铁......
本文提出一种基于L2;1模和图正则化的低秩迁移子空间学习方法.首先,在低秩重构过程中通过对重构矩阵施加具有旋转不变性的L2;1模约......
随着计算机网络技术和多媒体技术的广泛普及和快速发展,信息的形式和数量呈现爆炸式增长。因此,在机器学习中,为了能够充分表征某......
面对海量数据导致的信息超载和维度增加的问题,特征降维在计算机视觉、数据挖掘等领域中的重要性日益凸显,已成为当前学术界的研究......
针对字典对学习(DPL)方法只考虑了同类子字典的重构误差和不同类表示系数的稀疏性,没有考虑图像间的几何近邻拓扑关系的问题。通过......
非负矩阵分解算法(NMF)已经广泛应用于图像处理、模式识别和数据挖掘等相关领域,它旨在寻找两个非负矩阵使其乘积与原始矩阵实现最......
针对连续的偏微分方程的缺点,提出了一种基于图谱理论和核的图像去噪算法。根据图上正则化和核函数的理论生成图上带起始点的二阶......
信息化技术的快速发展为非负矩阵分解提供了更加广阔的应用空间,这种全新的矩阵分解及特征提取方法,在数据聚类方面具有良好的应用......
针对图像识别中数据的内在几何结构被忽视和数据存在冗余的问题,提出一种改进的图正则非负矩阵分解(New-GNMF)算法。首先,将非负矩......
挖掘数据网络中有价值的、具有稳定性的社区,对网络信息的获取、推荐及网络的演化预测具有重要的价值。针对现有异质网络聚类方法......
21世纪,互联网和数据挖掘技术蓬勃发展,社会飞速进入大数据时代。持续并不断增长的海量数据改善了人们的生活方式的同时,它的储存......
信息检索是人们上网的最大需求,以往主流的方式就是在搜索引擎中输入关键文本信息来获取相关的文本、图像等信息。然而随着大数据......
在信息爆炸的今天,对于信息的获取与处理显得尤为重要。如何处理大量的或重复的图像数据正是当下的研究热点,低秩矩阵算法是该领域......
当今时代,随着高度信息化和网络全球化的普及,海量的信息和高维的数据,给人们造成了庞大的计算开销,巨大的处理难度和模糊的信息传......
小样本学习是一种基于少量样本学习的任务,该任务对当前的机器学习算法提出了巨大的挑战。处理小样本学习的一个有效方法是度量学......
现实世界存在大量二分网络,研究其社区结构有助于从新角度认识和理解异质复杂网络。非负矩阵分解模型能够克服二分结构的限制,有效......
随着传感器和计算机技术的飞速发展,科学及社会领域的许多数据均展示出多维的结构张量是对这类数据自然而本质的表达方式。张量分......
非负矩阵分解方法(non-negative matrix factorization,NMF)广泛应用于图像聚类、计算机视觉、信息检索等领域。但是,现有的NMF方......
期刊
提出了一种基于图正则化的半监督非负矩阵分解算法（GSNMF），克服了非负矩阵分解（NMF）、约束非负矩阵分解（CNMF）和图正则化非负矩阵分解（GNMF......
