矩阵分解

[置顶] 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。       
waycaiqi·2013-09-16 20:00

矩阵分解大全

矩阵分解是指根据一定的原理用某种算法将一个矩阵分解成若干个矩阵的乘积。
cuishengli·2013-09-11 15:00

矩阵分解在推荐系统中的应用

矩阵分解是最近几年比较火的算法，经过kddcup和netflix比赛的多人多次检验，矩阵分解可以带来更好的结果，而且可以充分地考虑各种因素的影响，有非常好的扩展性，因为要考虑多种因素的综合作用，往往需要构造
eric_gcm·2013-09-10 17:00

矩阵分解在推荐系统中的应用（转）

矩阵分解是最近几年比较火的算法，经过kddcup和netflix比赛的多人多次检验，矩阵分解可以带来更好的结果，而且可以充分地考虑各种因素的影响，有非常好的扩展性，因为要考虑多种因素的综合作用，往往需要构造
·2013-09-10 09:00

玩转Python大数据分析 《Python for Data Analysis》的读书笔记-第06页

Scipy Scipy包含许多科学计算工具包，如：    1）微积分数学工具包    2）线性代数工具包，线性代数函数、矩阵分解工具    3）最优化控制    4）信号处理工具包    5）稀疏矩阵和稀疏线性系统工具包
Python培训·2013-09-09 22:29

浅谈矩阵分解在推荐系统中的应用（转发）

浅谈矩阵分解在推荐系统中的应用（转发）下文为转发，来自：阿俊的博客推荐一下此博客，在推荐系统领域还是能学到不少东西的~~ ------------------------------矩阵分解是最近几年比较火的算法
diemeng1119·2013-09-09 17:00

基于大规模非负矩阵分解的短文本语义概念扩展

   技术的发展给人们生活带来便利的同时，也由于其信息量越来越大、时效性越来越强，给用户的信息获取和数据处理工作造成了很大的困难。因此，高效、准确的信息检索和过滤技术越来越受到人们的重视。信息获取方面存在的主要问题是目前的检索和过滤技术大多采用的是基于关键词的匹配方法，将用户输入的查询词对文档进行匹配。而由于互联网上的这些信息大部分都以短文本为主，具有内容特征极稀疏、强噪声等特点，这种方式下用户往
xyl520·2013-09-08 13:00

机器学习中的数学-强大的矩阵奇异值分解(SVD)及其应用

特征值分解是将一个矩阵分解成
wukk007·2013-08-31 08:33

线性代数导论4——A的LU分解

课程地址：http://v.163.com/special/opencourse/daishu.html第三课时：A的LU分解一、A=LA分解消元的目的，只是为了更好正确的认识矩阵的概念，A=LU是最基础的矩阵分解
suqier1314520·2013-08-24 16:00

机器学习经典算法7-线性回归

2.单变量线性回归的参数求解3.多变量线性回归4.利用矩阵进行参数求解5.局部加权线性回归6.岭回归7.编程实现   这里standMaReg实现的是利用矩阵分解进行最基本的线性回归参数求解；而standBaGradReg
moodytong·2013-08-18 09:00

【数据挖掘】特征抽取之NMF

矩阵分解：找到两个更小的矩阵，两者相乘可以重新构造这个矩阵。特征矩阵：每一行一个特征，每一列一个item，这些值代表了item对此特征的重要性。权重矩阵：此矩阵映射特征到aricle矩阵。
fanshadoop·2013-08-12 10:00

BSP编程模型（以NMF为例，试验基于消息传递的模型BSP过程）

拿前面有篇文章，NMF的矩阵分解这个优化问题，来实验：1）NMF的矩阵分解
lilyth_lilyth·2013-07-01 15:00

Cholesky分解

Cholesky分解（Choleskydecomposition）是矩阵分解的一种。可记作A=LL*。其中A是正定矩阵。L是下三角矩阵。L*是L的共轭转置矩阵。(共轭不记得啥意思了。)
naruto0001·2013-06-22 17:00

java打印N阶回旋矩阵

算法分析：1.将此矩阵分解为一个一个的圈，如下图，1-20可以看成一个圈，21-32是一个圈，33-36也是一个圈。
快快乐乐的北斗·2013-06-18 20:00

协同过滤和推荐引擎简介

1、推荐系统的策略推荐引擎（系统）从不同的角度看有不同的划分，比如：按照数据的分类：协同过滤、内容过滤、社会化过滤按照模型的分类：基于近邻的模型、矩阵分解模型、图模型上面的这种说法有点乱，换个说
xrzs·2013-06-18 00:00

协同过滤和推荐引擎

推荐系统的策略推荐引擎（系统）从不同的角度看有不同的划分，比如：按照数据的分类：协同过滤、内容过滤、社会化过滤按照模型的分类：基于近邻的模型、矩阵分解模型、图模型上面的这种说法有点乱，换个说法：
·2013-06-16 11:00

线性方程组求解库

线性方程组求解库求解线性方程组Ax=b，常用的方法包括直接解法（一般是对A进行矩阵分解）和迭代法。
luckyboy101·2013-06-11 15:00

模式识别/机器学习/图像视频/ 常见概念科普

htmlHOG特征：http://blog.sina.com.cn/s/blog_9f4bc8e30101672y.htmlNMF：Non-negativeMatrixFactorization，非负矩阵分解
cc198877·2013-06-03 15:00

NMF(非负矩阵分解)的SGD（随机梯度下降）实现

NMF把一个矩阵分解为两个矩阵的乘积，可以用来解决很多问题，例如：用户聚类、item聚类、预测（补全）用户对item的评分、个性化推荐等问题。
zangwenyang·2013-05-22 06:00

NMF(非负矩阵分解)的SGD（随机梯度下降）实现

NMF把一个矩阵分解为两个矩阵的乘积，可以用来解决很多问题，例如：用户聚类、item聚类、预测（补全）用户对item的评分、个性化推荐等问题。
lilyth_lilyth·2013-05-22 00:00

数学之路(2)-数据分析-R基础(18)

Tolerance:公差将用于在矩阵分解Yname:用于
u010255642·2013-05-11 14:00

6条函数的MPI世界，处处有陷阱

分配任务时，只把第一个矩阵分解传给若干个slave，第二个矩阵全传。虽然效率不高，但我的作业需要是把固定的矩阵大小改为可变的。
Augusdi·2013-04-28 13:00

矩阵论学习笔记四：矩阵分解

参考书：《矩阵论》第3版，程云鹏张凯院徐仲编著西北工业大学出版社矩阵的三角分解和QR分解等在计算数学中都扮演着十分重要的角色，尤其是以QR分解所建立的QR方法，以对数值线性代数理论的近代发展起了关键作用。矩阵的满秩分解和奇异值分解在广义逆矩阵等理论中经常用到，它们与QR方法都是近20年来求解各类最小二乘问题和最优化问题的主要数学工具1.Gauss消去法与矩阵的三角分解   1）Gauss消去法的矩
zhang22huan·2013-03-20 20:00

FM、MF、SVD

SVD（Singularvaluedecomposition）：奇异值分解，矩阵分解的算法之一。
ghost_face·2013-03-08 14:00

PLSA的简单概念

概率潜语义分析与标准潜语义分析的不同是，标准潜在语义分析是以共现表（就是共现的矩阵）的奇异值分解的形式表现的，而概率潜在语义分析却是基于派生自LCM的混合矩阵分解。
diemeng1119·2013-02-15 20:11

PLSA的简单概念

概率潜语义分析与标准潜语义分析的不同是，标准潜在语义分析是以共现表（就是共现的矩阵）的奇异值分解的形式表现的，而概率潜在语义分析却是基于派生自LCM的混合矩阵分解。
diemeng1119·2013-02-15 20:00

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
abcjennifer·2013-02-12 11:00

浅谈矩阵分解以及应用（3）

   这次讲一下奇异值分解（SVD），首先说明纯粹是抛砖引玉之举，毕竟我刚学习了矩阵理论，对于大名鼎鼎的SVD可谓知之甚少。首先推荐几篇paper讲SVD的：《ASingularlyValuableDecompositionTheSVDofaMatrix》，《SketchedSVDRecoveringspectralfeaturesfrom》，《TheextraodinarySVD》。发几个SVD
carrierlxksuper·2013-01-12 21:00

浅谈矩阵分解以及应用（2）

上一篇谈了矩阵分解中比较简单的三角分解，这里介绍另外两种分解：矩阵的谱分解和LR分解。矩阵的谱是指矩阵所有特征值的集合。因此，矩阵的谱分解就是利用矩阵的特征值来对矩阵分解。
carrierlxksuper·2013-01-10 20:00

浅谈矩阵分解以及应用（1）

矩阵分解(matrixdecomposition,factorization)是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、Jordan分解和SVD（奇异值）分解等，常见的有三种：1)三角分解法
carrierlxksuper·2013-01-09 21:00

PLSA的简单概念

概率潜语义分析与标准潜语义分析的不同是，标准潜在语义分析是以共现表（就是共现的矩阵）的奇异值分解的形式表现的，而概率潜在语义分析却是基于派生自LCM的混合矩阵分解。
carrie8899·2013-01-09 16:00

非负矩阵分解：数学的奇妙力量

转载：《计算机教育》第10期 作者：汪鹏计算机是人类解决难题、探索未知以及提供娱乐的绝佳工具。在高效运行着的各种计算机应用背后，融汇了人类在物理、电子和数学等多门学科的高超智慧。严密的数学使得计算机能高效执行人类指令，控制内部各种数据流的走向，因此在现代计算机科学研究中，数学的基础地位和重要作用无可替代：它使我们最大程度利用有限的硬件、软件资源，它使我们能够在浩瀚的数据海洋中快速查到所关心的信息…
xiaojidan2011·2012-12-04 19:00

奇异值分解和特征值分解的一些备注

由于矩阵分解也就特征值和奇异值这两种所以一起拿来学习了下做个备注和补充1：特征值分解比如AX=lamudaX。
silence1214·2012-11-19 09:00

NMF算法简介及python实现(gradient descent)

原文链接：http://www.albertauyeung.com/mf.php基本原理NMF，非负矩阵分解，它的目标很明确，就是将大矩阵分解成两个小矩阵，使得这两个小矩阵相乘后能够还原到大矩阵。
csy463168656·2012-11-06 10:38

奇异值、奇异矩阵、SVD分解、正交矩阵

奇异值：奇异值分解法是线性代数中一种重要的矩阵分解法，在信号处理、统计学等领域有重要应用。定义：设A为m*n阶矩阵，A'表示A的转置矩阵，A'*A的n个特征值的非负平方根叫作A的奇异值。
silence1214·2012-10-17 11:00

非负矩阵分解：数学的奇妙力量

转载：《计算机教育》第10期  作者：汪鹏  计算机是人类解决难题、探索未知以及提供娱乐的绝佳工具。在高效运行着的各种计算机应用背后，融汇了人类在物理、电子和数学等多门学科的高超智慧。严密的数学使得计算机能高效执行人类指令，控制内部各种数据流的走向，因此在现代计算机科学研究中，数学的基础地位和重要作用无可替代：它使我们最大程度利用有限的硬件、软件资源，它使我们能够在浩瀚的数据海洋中快速查到所关心的
ituff·2012-10-10 08:00

矩阵分解在推荐系统的应用

可以参考一下博客：http://somemory.com/myblog/?post=19我觉得总结的很好，所以转来一下。
caoeryingzi·2012-08-31 17:00

关于NMF（Non-negative Matrix Factorization ）

该文提出了一种新的矩阵分解思想――非负矩阵分解(Non-negativeMatrixFactorization，NMF)算法，即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。
meng4411yu·2012-08-30 15:00

Collaborative filtering with GraphChi

到目前为止，已经支持ALS（最小二乘法）、SGD（随机梯度下降）、bias-SGD（带偏置的随机梯度下降）、SVD++、NMF（非负矩阵分解）、SVD（restartedLanczos、onesidedLanczos
lzt1983·2012-08-27 19:00

关于非负矩阵分解 NMF（Non-negative Matrix Factorization）

该文提出了一种新的矩阵分解思想――非负矩阵分解(Non-negativeMatrixFactorization，NMF)算法，即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。
cc198877·2012-08-13 16:00

简单的把矩阵分解成一个正交矩阵和一个对角线全为1的上三角矩阵

function[HeXx]=GQR(A)%paramA:是一个可逆矩阵%returnHe:是一个满足每两个不同列向量的内积为0的矩阵%returnXx:是一个主对角线全为1的上三角矩阵%function:分解A=He*Xx%CopyRight:edu.nust.cs726.JunH(111060881)[HL]=size(A);ifH~=L  error('hehehe');endifdet(A
AimAtFuture·2012-07-12 20:00

稀疏子空间聚类

统计的：mixturesofprobabilisticPCA;Multi-statelearning    基于因式分解的；寻找一个初始化的分割，通过矩阵分解
yihaizhiyan·2012-06-15 16:00

再谈SVD

奇异值分解是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。定义：设A为m*n阶矩阵，AHA的n个特征值的非负平方根叫作A的奇异值。记为σi(A)。
chenbang110·2012-05-26 12:00

非负矩阵分解模型的费用函数

非负矩阵分解模型的费用函数:大繁至简  非负矩阵分解(NonnegativeMatrixFactorization,NMF,[1,2])已经成为数据挖掘领域中最流行的模型之一,该模型在无监督学习领域中具有良好的数值表现
alaclp·2012-05-05 12:00

集体智慧编程书中的一些关键概念

1Scalingandsuperfluousvariables对某些变量值放大，而对另一些值缩小，使整体数据间具有可比性2MultimentionalScaling可视化数据间的关联关系3非负矩阵分解Non-negativematrixfactorization
alaclp·2012-04-22 10:00

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
wangzhiqing3·2012-04-10 17:00

矩阵分解学习---详细介绍SVD

矩阵分解(decomposition,factorization)是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、QR分解、Jordan分解和SVD（奇异值）分解等，常见的有三种：1)三角分解法
alec1987·2012-03-31 09:00

PLSA的简单概念

概率潜语义分析 与 标准潜语义分析 的不同是，标准潜在语义分析是以 共现表（就是共现的矩阵）的奇异值分解的形式表现的，而概率潜在语义分析却是基于派生自 LCM 的混合矩阵分解。
·2012-03-29 19:00

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
wangran51·2012-03-29 18:00

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
vergilwang·2012-03-29 18:00
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他