矩阵分解

矩阵LU分解分块算法实现

对于一个含有N个变量的N个线性方程组，总可以用高斯消去法，把左边的系数矩阵分解为一个单位下三角矩阵和一个上三角矩阵相乘的形式。这样，求解这个线性方程组就转化为求解两个三角矩阵的方程组。
celerychen2009·2014-08-06 18:00

矩阵分解

MatrixDecompositions hasalonghistoryandgenerallycentersaroundasetofknownfactorizationssuchasLU,QR,SVDandeigendecompositions.More recentfactorizationshaveseenthelightofthedaywithworkstartedwiththeadven
pizibing880909·2014-08-05 16:00

matlab中生成随机正交矩阵

正交矩阵：AA'=A'A=I在matlab中生成一个随机正交矩阵的步骤：随机生成一个矩阵（高斯分布）利用QRfactorization进行矩阵分解，所得矩阵Q就是一个正交矩阵（R是upper-triangularmatrix
FacingTheSunCN·2014-08-04 16:00

基于One-Class的矩阵分解方法

  在矩阵分解中，有类问题比较常见，即矩阵的元素只有0和1，对应实际应用中的场景是：用户对新闻的点击情况，对某些物品的购买情况等。
xyl520·2014-07-25 20:00

白话NMF（Non-negative Matrix Factorization）——Matlab 实现

阅读更多NMF——非负矩阵分解。如果你事先了解PMF[概率矩阵分解]的话，那么其实只要在PMF的基础上多加上一点，就是NMF了。
liuzhiqiangruc·2014-07-22 21:00

白话NMF（Non-negative Matrix Factorization）——Matlab 实现

阅读更多NMF——非负矩阵分解。如果你事先了解PMF[概率矩阵分解]的话，那么其实只要在PMF的基础上多加上一点，就是NMF了。
liuzhiqiangruc·2014-07-22 21:00

白话NMF（Non-negative Matrix Factorization）——Matlab 实现

NMF——非负矩阵分解。如果你事先了解PMF[概率矩阵分解]的话，那么其实只要在PMF的基础上多加上一点，就是NMF了。 
liuzhiqiangruc·2014-07-22 21:00

[模式识别].(希腊)西奥多里蒂斯<第四版>笔记6之__feature generation (1)：数据转换和降维

2，独立成分分析3，非负矩阵分解4，非线性降维算法：①kernelPCA②基于图的方法（拉普拉斯算子，LocalLinearEmbedding(LLE)，IsometricMapping(ISOMAP)
glb562000520·2014-07-22 09:00

对角化和A 的幂

按列组成矩阵S，所以这个S很自然地称为特征向量矩阵，并且 其中 称为特征值矩阵，由于S中是n个线性无关特征向量，因此S可逆，所以可对上式两边同时左乘S的逆，得到 ，如果右乘S的逆，则有 ，这是一种新的矩阵分解形式
xdfyoga1·2014-07-20 20:00

Spark机器学习库mllib之协同过滤

CF里面的算法比较多，有基于物品的，基于用户的，ALS是基于矩阵分解的，关于对推荐算法的小结
u014388509·2014-06-25 18:00

[置顶] 奇异值分解（SVD）的之低秩近似和特征降维

我们在这一篇《模式识别、推荐系统中常用的两种矩阵分解-----奇异值分解和非负矩阵分解》中详细介绍了矩阵奇异值分解的数学证明，我们沿用这一篇的博文的符号，继续讨论这一章的内容。
wxcdzhangping·2014-06-19 12:00

基于矩阵分解的推荐系统实例

原文链接：http://www.cnblogs.com/moranBlogs/p/3795392.html使用MATLAB尝试了随机梯度下降的矩阵分解方法，实现了一个比较简单的推荐系统的原理。
weixin_30367873·2014-06-18 21:00

Matrix Factorization, Algorithms, Applications, and Avaliable packages

来源：http://www.cvchina.info/2011/09/05/matrix-factorization-jungle/美帝的有心人士收集了市面上的矩阵分解的几乎所有算法和应用，由于源地址在某神秘物质之外
todayq·2014-06-16 08:00

Matrix Factorization, Algorithms, Applications, and Avaliable packages

来源：http://www.cvchina.info/2011/09/05/matrix-factorization-jungle/美帝的有心人士收集了市面上的矩阵分解的几乎所有算法和应用，由于源地址在某神秘物质之外
abcjennifer·2014-06-13 00:00

SVD在推荐系统中的应用（笔记）

简介该文章中提出两个创新点，首先先将User与Item分类，然后根据分类将矩阵分成相应的“子矩阵”，对这些矩阵进行相应的SVD不仅会提高准确率还会降低计算复杂度；另外一个创新点是在于使用三维矩阵，然后通过矩阵分解成
lzj290438714end·2014-06-04 23:00

【0-1】矩阵分解

基于矩阵分解的推荐算法已经在工业界被广泛应用。这类算法希望用同一个空间的维度来描述推荐过程中两个实体（用户、物品）的隐语义的特征。 
liuzhiqiangruc·2014-05-19 17:00

【0-1】矩阵分解

阅读更多基于矩阵分解的推荐算法已经在工业界被广泛应用。这类算法希望用同一个空间的维度来描述推荐过程中两个实体（用户、物品）的隐语义的特征。
liuzhiqiangruc·2014-05-19 17:00

矩阵分解 Cholesky分解（Cholesky decomposition）

 Cholesky分解（Choleskydecomposition）：把一个矩阵分解为一个矩阵乘以该矩阵矩阵的转置公式表达：反解出得： 
keith0812·2014-05-08 19:00

将一个矩阵分解为对称矩阵与反称矩阵之和

2.求出对称矩阵部分的函数///  /// 把矩阵分解为对称矩阵与反称矩阵之和：对称矩阵 ///  /// 矩阵 ///  private static double[][] SymmetricPart
北风其凉·2014-04-22 18:00

基于矩阵分解的推荐算法，简单入门

本文将要讨论基于矩阵分解的推荐算法，这一类型的算法通常会有很高的预测精度，也活跃于各大推荐系统竞赛上面，前段时间的百度电影推荐最终结果的前10名貌似都是把矩阵分解作为一个单模型，最后各种ensemble
kobeshow·2014-04-08 13:00

基于矩阵分解的推荐算法，简单入门 - kobeshow

       本文将要讨论基于矩阵分解的推荐算法，这一类型的算法通常会有很高的预测精度，也活跃于各大推荐系统竞赛上面，前段时间的百度电影推荐最终结果的前10名貌似都是把矩阵分解作为一个单模型，最后各种ensemble
kobeshow·2014-04-08 05:00

矩阵分解（1） LU分解

     LU分解(LUDecomposition)是矩阵分解的一种，可以将一个矩阵分解为一个下三角矩阵和一个上三角矩阵的乘积（有时是它们和一个置换矩阵的乘积）。
sunboyiris·2014-04-05 10:00

[置顶] 模式识别、推荐系统中常用的两种矩阵分解-----奇异值分解和非负矩阵分解

第一部分：矩阵的奇异值分解：矩阵的奇异值分解证明过程中会用到五个定理，先作为补充知识展示这五个定理：定理一：A是对称矩阵，则不同特征值对应的特征向量是正交的。证明：设，是矩阵A的特征向量，且，，为，对应的特征向量，即：，则，因为A是对称矩阵，则所以，则：因为，所以：，即：和是正交的。证毕————————————————————————————————————————————————————————
wxcdzhangping·2014-04-02 12:00

推荐系统之改进版SVD

之前的blog（http://blog.csdn.net/ice110956/article/details/21955461 ）简单阐述了基于SVD矩阵分解的隐因子模型。
ice110956·2014-03-26 15:00

Spark0.9.0机器学习包MLlib-Optimization代码阅读

classification文件夹下面包含NB、LR、SVM的实现，clustering文件夹下面包含K均值的实现，linalg文件夹下面包含SVD的实现(稀疏矩阵的表示)，recommendation文件夹下面包含als，矩阵分解实现
kobeshow·2014-03-25 13:00

基于矩阵分解的隐因子模型

推荐系统是现今广泛运用的一种数据分析方法。常见的如，“你关注的人也关注他”，“喜欢这个物品的用户还喜欢。。”“你也许会喜欢”等等。常见的推荐系统分为基于内容的推荐与基于历史记录的推荐。基于内容的推荐，关键在于提取到有用的用户，物品信息，以此为特征向量来进行分类，回归。基于历史记录的推荐，记录用户的评分，点击，收藏等等行为，以此来判断。基于内容的推荐对于用户物品的信息收集度要求比较高，而许多情况下很
ice110956·2014-03-24 14:00

相机标定

通常的标定方法是先求出综合标定矩阵，再根据综合标定矩阵分解出相机的内部参数矩阵和外部参数矩阵。用这种方法求得内、外参数矩阵的精确度受到
u011867581·2014-03-22 15:00

非负矩阵分解(NMF,Nonnegtive Matrix Factorization)

 发现写关于非负矩阵的博文还是蛮多的，还是以自己的角度总结一下自己的最近看的若干东西以及对非负矩阵分解有用的一些资料链接。       
next9pm·2014-03-19 22:00

矩阵分解（3）SVD分解

 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com,本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系[email protected]前言：   上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印
sunboyiris·2014-03-18 10:00

矩阵分解（2）QR分解

    QR分解法是三种将矩阵分解的方式之一。这种方式，把矩阵分解成一个半正交矩阵与一个上三角矩阵的积。QR分解经常用来解线性最小二乘法问题。
sunboyiris·2014-03-18 10:00

SVD奇异值分解：主成分分析的矩阵论解释

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。基础知识1.矩阵的秩：矩阵的秩是矩
whiteinblue·2014-03-18 09:00

概率矩阵分解模型 PMF

因为对其中的概率矩阵分解(ProbabilisticMatrixFactorization,PMF)不够了解，因而我先去脑补了PMF在推荐系统中的应用，然后再对论文进行总结。
张雨石·2014-03-16 23:37

概率矩阵分解模型 PMF

因为对其中的概率矩阵分解(ProbabilisticMatrixFactorization,PMF)不够了解，因而我先去脑补了PMF在推荐系统中的应用，然后再对论文进行总结。
xinzhangyanxiang·2014-03-16 23:00

浅谈矩阵分解在推荐系统中的应用

    推荐系统是当下越来越热的一个研究问题，无论在学术界还是在工业界都有很多优秀的人才参与其中。近几年举办的推荐系统比赛更是一次又一次地把推荐系统的研究推向了高潮，比如几年前的Neflix百万大奖赛，KDDCUP2011的音乐推荐比赛，去年的百度电影推荐竞赛，还有最近的阿里巴巴大数据竞赛。这些比赛对推荐系统的发展都起到了很大的推动作用，使我们有机会接触到真实的工业界数据。我们利用这些数据可以更好
sun_168·2014-03-14 16:00

矩阵分解

收集了市面上的矩阵分解的几乎所有算法和应用，由于源地址在某神秘物质之外，特转载过来，源地址MatrixDecompositions hasalonghistoryandgenerallycentersaroundasetofknownfactorizationssuchasLU
pizibing880909·2014-03-13 22:00

Learning the parts of object by NMF

本文不含如何去解NMF，只给出非负约束下矩阵分解的结果。 Learningtheparts
tiandijun·2014-03-08 20:00

SVD奇异值分解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。基础知识1.矩阵的秩：矩阵的秩是矩
keith0812·2014-02-27 23:00

Robust PCA

主要问题给定C=A*+B*,其中A*是稀疏的尖锐噪声矩阵，B*是低秩矩阵,目的是从C中恢复B*.B*=UΣV’,其中U∈Rn*k ,Σ∈Rk*k ,V∈Rn*k3.与PCA的区别PCA和RPCA的目的都是矩阵分解
u010545732·2014-02-11 07:00

高维数据降维 国家自然科学基金项目 2009-2013 NSFC Dimensionality Reduction

多元时间序列数据挖掘中的特征表示和相似性度量方法研究 李海林 华侨大学       基于标签和多特征融合的图像语义空间学习技术研究 管子玉 西北大学       非负矩阵分解中维数约减问题研究
·2014-02-08 19:00

矩阵LU分解算法分析

顾名思义LU分解就是讲矩阵分解成下三角矩阵L和上三角矩阵U。
u010066564·2014-01-23 19:00

奇异值分解（SVD）详解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。基础知识1.矩阵的秩：矩阵的秩是矩
seamanj·2014-01-18 10:00

【计算机视觉】角度转换模型VTM

角度转换模型（ViewTransformationModel）最基础的是利用奇异值分解（SingularValueDecomposition,SVD），将特征矩阵分解为与角度无关的向量，与对象无关的向量
xiaowei_cqu·2014-01-11 10:00

SVD奇异值分解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。
_djsecret·2014-01-09 15:24

SVD奇异值分解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。
zhdjbabygo·2014-01-09 15:00

奇异值分解（SVD）详解 .

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。基础知识1.矩阵的秩：矩阵的秩是矩
redline2005·2014-01-06 17:00

浅谈矩阵分解以及应用

浅谈矩阵分解以及应用（1）分类：机器学习2013-01-0921:38230人阅读评论(2)收藏举报矩阵分解应用矩阵分解(matrixdecomposition,factorization)是将矩阵拆解为数个矩阵的乘积
bpssy·2013-12-25 12:49

特征向量的物理意义&几何含义

什么是特征向量，特征值，矩阵分解        我们先考察一种线性变化，例如x,y坐标系的椭圆方程可以写为x^2/a^2+y^2/b^2=1，那么坐标系关于原点做旋转以后，椭圆方程就要发生变换。
Img麦浪·2013-12-17 22:52

奇异值分解

奇异值分解奇异值分解（SingularValueDecomposition）是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵酉对角化的推广。在信号处理、统计学等领域有重要应用。
xqj198404·2013-12-17 13:00

nips 2013笔记（1）-Deep content-based music recommendation

1、Deepcontent-basedmusicrecommendation该文章是解决歌曲推荐中的的冷启动问题提出的，新歌或者是不流行的歌曲由于没有用户播放记录，采用传统的协同过滤或者矩阵分解等方法，
桂C伊甸园·2013-12-03 14:39

opencv2.4中SVD分解的几种调用方法

奇异值分解 (singular value decomposition,SVD) 是一种可靠地正交矩阵分解法，但它比QR分解法要花上近十倍的计算时
·2013-12-02 21:00
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他