稀疏表示与非负矩阵分解(4)-轴承故障振动信号的时频谱的非负矩阵分解

非负矩阵分解

  • 1. 什么是非负矩阵分解
  • 2. 应用场景
  • 3. 振动信号时频谱的非负矩阵分解
    • 3.1 文献【3】解读-主要内容创新点
  • 3.2 文献【3】解读-基于图的半监督学习
    • 3.3 可视化分析
    • 3.4 局限性
  • 4. Python 基础案例
    • 4.1 包调用与参数设置
    • 4.2 实现PCA与SVD的奇异值分解
    • 4.3 可视化
  • 5. 完整代码 实现单张图像的NMF
  • 参考资料

1. 什么是非负矩阵分解

非负矩阵分解(Nonnegative Matrix Factorization),简称NMF,是由Lee和Seung于1999年在自然杂志上提出的一种矩阵分解方法 [1] ,它使分解后的所有分量均为非负值(要求纯加性的描述),并且同时实现非线性的维数约减。NMF已逐渐成为信号处理、生物医学工程、模式识别、计算机视觉和图像工程等研究领域中最受欢迎的多维数据处理工具之一。

2. 应用场景<

你可能感兴趣的:(风机关键部件以及轴承故障诊断,python,矩阵,开发语言)