导读:本文包含了非负矩阵因子论文开题报告文献综述及选题提纲参考文献，主要关键词:非负矩阵分解,奇异值分解,正交因子,快速计算
非负矩阵因子论文文献综述
曹新英[1]（2018）在《基于正交因子的非负矩阵分解的算法研究》一文中研究指出非负矩阵分解主要研究将一个给定的非负矩阵分解为两个非负矩阵乘积的方法和策略。非负矩阵分解具有形式简单、解释性好、占据存储空间少等优点,因此在数据科学领域具有很大的应用潜力与研究价值。本文首先从几何的角度描述了非负矩阵分解的过程,并定义了矩阵非负分解中的关键概念:正交因子和缩放因子。分析发现,对于某些满足一定条件的非负矩阵,基于正交因子的矩阵分解算法可以高效地求解这些矩阵的非负分解问题。相比之前常用的投影非负分解方法,新方法通过寻找合适的正交因子来达到非负分解的目的,进而大大降低了每步迭代的计算复杂度。我们还对算法中正交因子的初值进行了分析,并给出了选取初值的策略。最后,我们通过数值实验评估了新算法的表现。实验显示,无论是计算速度方面,还是精确度方面,新算法都有更好的效果。(本文来源于《浙江大学》期刊2018-03-07）
刘平,李波,余道洋,刘锦淮[2]（2013）在《基于非负矩阵因子分解的光波导分光光谱分析》一文中研究指出以罗丹明6G作为实验材料,将非负矩阵因子分解(NMF)作为特征提取的方法用于具有时间分辨特性的光波导分光光谱的分析;与传统的主成分分析(PCA)作对比分析,指出选用NMF作为特征提取方法的优点.结果表明与光波导分光光谱的分析中传统的波长吸光度曲线或时间-吸光度曲线的分析方法相比较,将波长/时间-吸光度曲线融入色温图展示,无须降采样显示,数据的完整性更强;采用PCA或NMF进行特征提取的方法能够得到动态、直观的结果,且该结果与传统方法分析得到的结果具有一致性;与PCA相比,NMF的因子载荷和因子得分不与真实物理信息矛盾,因此更适合用于光波导分光光谱的分析.(本文来源于《华中科技大学学报(自然科学版)》期刊2013年08期）
黄勇[3]（2011）在《高斯核非负矩阵因子及其在表情识别中的应用》一文中研究指出提出一种基于高斯核非负矩阵因子的人脸表情识别方法。该算法引入高斯核函数并结合NMF(Non-negative Matrix Factorization)进行表情特征提取,称之为GKNMF。与NMF、2DNMF(2-Dimensional Non-negative Matrix Factorization)等方法不同,GKNMF通过基于高斯核的非线性映射可从原始表情数据中提取更多线性和非线性的有用信息,尽可能地保留原始的表情信息。根据JAFFE和CED-WYU(1.0)两个表情数据库的识别结果表明,GKNMF特征提取方法能有效地提高识别率。(本文来源于《计算机应用与软件》期刊2011年06期）
黄勇[4]（2011）在《核非负矩阵因子及其在表情识别中的应用》一文中研究指出提出了一种基于核非负矩阵因子分解的人脸表情识别方法。该算法引入核函数并结合NMF进行表情特征提取,称之为PNMF、GNMF。与NMF等不同,PNMF、GNMF通过基于核的非线性映射可从原始表情数据中提取更多的有用信息,包括线性的和非线性的,尽可能地保留原始的表情信息。基于CED-WYU(1.0)和JAFFE两个表情数据库的识别结果表明,基于核的NMF特征提取方法能有效地提高识别率及效率。(本文来源于《计算机工程与应用》期刊2011年17期）
黄勇[5]（2010）在《非负矩阵因子及在人脸表情识别中的应用》一文中研究指出提出了一种基于二维非负矩阵因子的人脸表情识别方法。该算法直接将2维人脸表情图像矩阵作为2维矩阵并结合NMF进行表情特征提取,称之为2DNMF。与NMF等不同,2DNMF充分利用表情图像矩阵中的行向量间的信息和列向量间的信息,尽可能地保留了原始的表情信息。基于CED-WYU(1.0)和JAFFE两个表情数据库的识别结果表明,基于2维非负矩阵因子的特征提取方法能有效地提高识别率及效率。(本文来源于《计算机工程与应用》期刊2010年26期）
杜芳[6]（2009）在《非负矩阵因子分解算法处理癌症基因表达数据的研究》一文中研究指出肿瘤的发生和发展是一个复杂的多阶段过程。它通常是由于某些基因突变和异常表达所致,或者进一步影响另外一些基因的表达,从而导致细胞内一些蛋白质分子发生改变,并由此产生肿瘤病理学上的差异,因而形成了临床诊断中的不同分类。能够正确的对不同病理分型的肿瘤进行分类,并找出导致其分型的差异表达基因,对肿瘤诊断和治疗具有非常积极的意义。本文根据肿瘤基因表达数据的数据特性和生物机理,研究其分类和差异表达基因提取方法,主要开展了以下工作:1.分析和实现了非负矩阵因子分解(NMF)算法,并提出将此算法用于胃癌基因表达数据的正常样本与疾病样本的分类,且分类正确率高达98.41%。同时,本文将NMF算法推广到结肠癌样本的分类中,正确率达到88.10%。研究结果表明,本文方法对疾病的临床诊断和生物医学研究有重要的参考和借鉴作用。2.基于NMF算法提出了差异表达基因的提取方法。该方法主要通过分析基因与集合基因之间在数值表达上的相互关系,提取在胃癌组织中有显着上调表达或者下调表达的差异表达基因,并通过EASE基因表达分析软件系统对有差异表达的基因进行统计学分析,找出共同参与某一生物过程的一系列基因,结合相关医学文献对在胃癌的发生发展过程中起到重要作用的基因进行详细注释。该方法通过对集合基因的巧妙利用,扩展了非负矩阵分解算法的应用,弥补了NMF算法在差异表达基因提取方面的缺陷,同时丰富了NMF算法的生物意义。(本文来源于《电子科技大学》期刊2009-04-01）
张瑾,王加俊[7]（2008）在《改进的非负矩阵因子分解算法在基因数据分析中的应用》一文中研究指出提出一种改进的非负矩阵因子分解算法.在非负矩阵因子分解的迭代计算过程中加入了数据平滑处理来解决抖动问题,并用于一组白血病微阵列数据分析.实验结果表明,改进过的非负矩阵分解算法提高了分类的准确率,同时这个方法避免了NMF算法的"零值"问题.(本文来源于《苏州大学学报(自然科学版)》期刊2008年04期）
王光状,高洪涛,张书圣[8]（2007）在《非负矩阵因子分解算法在GC/MS数据解析中的应用》一文中研究指出根据化学波谱的基本特征对NMF算法进行了改进,应用改进的NMF进行古井贡酒样GC/MS实验数据解析,得到了比较理想的结果。(本文来源于《青岛科技大学学报(自然科学版)》期刊2007年06期）
刘广军,高洪涛,刘建勇[9]（2007）在《非负矩阵因子分解用于中药GC/MS重迭峰解析》一文中研究指出非负矩阵因子分解是对非负数据处理的一种多元统计分析方法.NMF分解结果没有"负值",易于理解和解释,具有比较明确的物理化学意义.由于其多解的特征,文献介绍的NMF算法并不能直接用于化学混合信号解析.作者根据化学波谱的基本特征(化学波谱的平滑性、色谱的单峰性以及质谱的稀疏性)对NMF算法进行了改进,缩小了其多解范围.应用改进的NMF进行模拟HPLC-DAD型两维数据和苍术GC/MS实验数据解析,得到了比较理想的结果.(本文来源于《曲阜师范大学学报(自然科学版)》期刊2007年04期）
高洪涛,戴冬梅,刘建勇,李通化[10]（2007）在《叁维非负矩阵因子分解代谢组学数据解析》一文中研究指出多维数据解析方法越来越引起人们的重视,非负矩阵因子分解算法已较广泛地用于图像分析。基于PARAFAC模型,将非负矩阵因子分解算法拓展为叁维非负矩阵因子分解算法(three dimension non-negative matrix factorization,NMF3)。其原理简明,算法易于执行。与基于向量计算的其他叁维化学计量学算法不同,NMF3基于矩阵计算单个元素,所以不必将叁维数据平铺处理,就可直接解析,为叁维数据解析研究提供了一种全新的思路和方法。应用NMF3解析模拟叁维数据和代谢组学数据,结果令人满意。(本文来源于《计算机与应用化学》期刊2007年09期）
非负矩阵因子论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以罗丹明6G作为实验材料,将非负矩阵因子分解(NMF)作为特征提取的方法用于具有时间分辨特性的光波导分光光谱的分析;与传统的主成分分析(PCA)作对比分析,指出选用NMF作为特征提取方法的优点.结果表明与光波导分光光谱的分析中传统的波长吸光度曲线或时间-吸光度曲线的分析方法相比较,将波长/时间-吸光度曲线融入色温图展示,无须降采样显示,数据的完整性更强;采用PCA或NMF进行特征提取的方法能够得到动态、直观的结果,且该结果与传统方法分析得到的结果具有一致性;与PCA相比,NMF的因子载荷和因子得分不与真实物理信息矛盾,因此更适合用于光波导分光光谱的分析.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非负矩阵因子论文参考文献
[1].曹新英.基于正交因子的非负矩阵分解的算法研究[D].浙江大学.2018
[2].刘平,李波,余道洋,刘锦淮.基于非负矩阵因子分解的光波导分光光谱分析[J].华中科技大学学报(自然科学版).2013
[3].黄勇.高斯核非负矩阵因子及其在表情识别中的应用[J].计算机应用与软件.2011
[4].黄勇.核非负矩阵因子及其在表情识别中的应用[J].计算机工程与应用.2011
[5].黄勇.非负矩阵因子及在人脸表情识别中的应用[J].计算机工程与应用.2010
[6].杜芳.非负矩阵因子分解算法处理癌症基因表达数据的研究[D].电子科技大学.2009
[7].张瑾,王加俊.改进的非负矩阵因子分解算法在基因数据分析中的应用[J].苏州大学学报(自然科学版).2008
[8].王光状,高洪涛,张书圣.非负矩阵因子分解算法在GC/MS数据解析中的应用[J].青岛科技大学学报(自然科学版).2007
[9].刘广军,高洪涛,刘建勇.非负矩阵因子分解用于中药GC/MS重迭峰解析[J].曲阜师范大学学报(自然科学版).2007
[10].高洪涛,戴冬梅,刘建勇,李通化.叁维非负矩阵因子分解代谢组学数据解析[J].计算机与应用化学.2007