基于快速层次交替最小二乘非负张量Tucker分解的干涉高光谱图像光谱信息压缩方法

提出一种基于快速层次交替最小二乘非负张量Tucker分解的高光谱图像光谱信息压缩算法。首先,将干涉高光谱图像光程差方向的三维信息采用三维光程差方向提升小波变换(3DOPT-LDWT)进行分解,将三维小波子带系数看作三阶非负张量,采用快速层次交替最小二乘非负张量Tucker分解(FHALS-NTD)算法对进行分解,得到核心张量和模式矩阵。对每个模式矩阵进行量化,对核心张量采用比特平面重要系数编码算法进行编码,得出最终的压缩码流。结果表明,此压缩算法可以稳定可靠地工作。与传统压缩算法比较,平均信噪比提高了1.23dB。有效的提高了干涉高光谱图像压缩性能。

求解非负矩阵分解的交替非负最小二乘法的一种修正策略（英文）

本文研究了关于求解非负矩阵分解的交替非负最小二乘法的全局收敛性.利用一种修正策略保证了极限点的存在性,得到了极限点为非负矩阵分解问题的稳定点.此外,给出了推广的修正策略.数值实验结果表明上述修正策略是有效的.

求解正则化非负低秩逼近问题的交替最小二乘算法

针对正则化非负矩阵低秩逼近问题,利用满秩分解刻画问题的可行集,将非负矩阵的正则化低秩逼近问题转化为等价的非负矩阵分解问题。通过构造交替最小二乘法求解转化后的非负矩阵分解问题,并采用投影梯度法求解相关子问题。数值实验验证了算法的可行性。

非负矩阵分解的分层最小二乘快速算法研究

非负矩阵分解是对于代价函数近似非线性优化问题,考虑均方误差值作为代价函数,通过对分层交替非负最小二乘算法的迭代运算量进行分析,对运算耗费大的矩阵运算提出利用限制更新的方法对分层交替非负最小二乘算法进行修改,达到加速收敛的目的。通过仿真,与原倍乘更新算法、投射梯度算法比较,验证算法的有效性和稳定性和高效性。

交替非负约束框架的海洋传感网协同定位

针对海洋传感网(Ocean Sensor Networks,OSNs)中采用非协同算法单一循环地对多个水面目标节点依次定位导致的定位效率低、定位精度差等问题,提出一种基于有效集的再优化协同定位(Active Set Method based Re-Estimation Cooperative Localization,ASM-RECL)算法。研究将原定位的非凸非线性问题转化为基于交替非负约束最小二乘(Alternative Nonnegative Constrained Least Squares,ANCLS)的优化问题,利用有效集法(Active Set Method,ASM)通过内外循环寻求优化问题的可行解。但ASM算法易陷入局部最优,为进一步提升解的质量,改进定位精度,基于ASM得出的可行解,应用一阶泰勒级数线性展开再次构造优化方程,最小化定位误差。此外,研究还推导得到基于协同定位的克劳美罗下界(Cooperative Localization-based Cramer-Rao Low Bound,CRLB-CL),以此作为评价标准评估提出的定位算法的有效性。仿真实验表明,在不同的条件下,ASM-RECL的定位精度较高于其他算法。

基于约束非负矩阵分解的高光谱图像解混快速算法

约束非负矩阵分解是高光谱图像解混中常用的方法.该方法的求解通常采用投影梯度法,其收敛速度、求解精度和算法稳定性都有待提高.为此,本文针对较优的最小体积约束,提出一种基于约束非负矩阵分解的高光谱图像解混快速算法.首先优化原有的最小体积约束模型,然后设计了基于交替方向乘子法的非凸项约束非负矩阵分解算法,最后通过奇异值分解优化迭代步骤.模拟和实际数据实验结果验证了本文算法的有效性.

基于投影梯度的非负矩阵分解盲信号分离算法

在盲信号分离过程中,基于乘性迭代的非负矩阵分解(NMF)存在运算量大、收敛速度慢等问题。为此,在投影梯度法的基础上提出一种新的NMF盲信号分离算法。通过增加行列式约束、稀疏度约束和相关性约束条件,将最优化问题转化为交替的最小二乘问题,将投影梯度法应用于基于约束的NMF盲信号分离过程。仿真结果表明,该算法能减小重构误差,在维持源分离信号稀疏性的基础上实现混合信号的唯一分解。与经典NMF算法和NMFDSC算法相比,其收敛和分解速度更快,重构信号的信噪比更高。

非负张量分解的不平衡乘性更新

针对非负张量分解的乘性更新算法,讨论了其元素形式与矩阵形式的一致性,并给出了不平衡的乘性更新算法.数值试验表明,新的算法具有更快的收敛性.

基于非负Tucker 3分解的稀疏分量分析在故障信号提取中的应用

针对初始故障信号不稀疏难于判断的问题,在非负Tucker 3分解(NTD)的基础上,提出了一种基于NTD的稀疏分量分析(SCA)处理二次特征信号的方法.同时,为了克服NTD算法收敛慢、易陷入过拟合等局限性,对分解因子增加了非负约束,并提出了对分解因子一次更新的算法.对比传统的最小交替二乘法,该更新算法能一次性地计算所有分解因子,避免了计算大规模的Jacobian矩阵,从而较大地提高了算法的效率.实验结果表明:NTD和SCA相结合的方法(SCA_NTD)只需迭代约150步可达到收敛,而且在频谱稀疏性处理方面优于NTF等传统的方法;在分解相同维数张量的条件下,SCA_NTD的最高精度达到了97.16%.因此,SCA_NTD不仅能够改善信号特征的稀疏性,而且对提高算法的收敛速度和精度也具有重要的意义.

基于非负矩阵分解的函数型聚类算法

函数型聚类分析算法涉及投影和聚类两个基本要素。通常,最优投影结果未必能够有效地保留类别信息,从而影响后续聚类效果。为此,本文梳理了函数型聚类的构成要素及运行过程;借助非负矩阵分解的聚类特性,提出了基于非负矩阵分解的函数型聚类算法,构建了"投影与聚类"并行的实现框架,并采用交替迭代方法更新求解,分析了算法的计算时间复杂度。针对随机模拟数据验证和语音识别数据的实例检验结果显示,该函数型聚类算法有助于提高聚类效果;针对北京市二氧化氮(NO2)污染物小时浓度数据的实例应用表明,该函数型聚类算法对空气质量监测点类型的区分能够充分识别站点布局的空间模式,具有良好的实际应用价值。

鲁棒自适应对称非负矩阵分解聚类算法

对称非负矩阵分解SNMF作为一种基于图的聚类算法,能够更自然地捕获图表示中嵌入的聚类结构,并且在线性和非线性流形上获得更好的聚类结果,但对变量的初始化比较敏感。另外,标准的SNMF算法利用误差平方和来衡量分解的质量,对噪声和异常值敏感。为了解决这些问题,在集成学习视角下,提出一种鲁棒自适应对称非负矩阵分解聚类算法RS3NMF(robust self-adaptived symmetric nonnegative matrix factorization)。基于L2,1范数的RS3NMF模型缓解了噪声和异常值的影响,保持了特征旋转不变性,提高了模型的鲁棒性。同时,在不借助任何附加信息的前提下,利用SNMF对初始化特征的敏感性来逐步增强聚类性能。采用交替迭代方法优化,并保证目标函数值的收敛性。大量实验结果表明,所提RS3NMF算法优于其他先进的算法,具有较强的鲁棒性。

求解非负矩阵分解的有效集BB梯度算法

非负矩阵分解是在非负限制下的一种将一个高维矩阵分解为两个低维矩阵的分解技术。目前,存在的算法大部分是基于乘性迭代算法和交替最小二乘算法。针对交替最小二乘算法的子问题,文中提出了一种有效集BB梯度法,且该算法是全局收敛的。实验结果显示,该算法比投影梯度算法更为有效。

求解非负矩阵分解的子空间共轭梯度算法

交替最小二乘法由于其理论可靠性和实际有效性成为非负矩阵分解中备受欢迎的方法之一。文中基于交替最小二乘法将界约束优化中的积极集共轭梯度法运用到非负矩阵分解当中,算法在子问题的求解中,并利用子空间的思想来划分指标集,并利用文献CHENG Wangyou文中的共轭梯度法进行变量更新,在一定条件下证明了新算法的收敛性,实验结果表明算法是有效的。

基于超图正则化非负Tucker分解的图像聚类算法

针对非负张量分解应用于图像聚类时忽略了高维数据内部几何结构的问题,在经典的张量非负Tucker分解的基础上,添加超图正则项以尽可能多地保留原始数据的内在几何结构信息,提出一种基于超图正则化非负Tucker分解模型HGNTD。通过构造超图刻画数据内部样本间的高阶关系,提高几何结构描述的准确性,针对超图正则化非负张量分解模型,基于交替非负最小二乘法,设计快速有效的超图正则化非负Tucker分解算法求解所给模型,证明算法在非负的条件下是收敛的,最终将算法应用于图像聚类。在Yale和COIL两个常用公开数据集上的实验结果表明,相对于k-means、非负矩阵分解、图正则化非负矩阵分解、非负Tucker分解和图正则化非负Tucker分解等算法,超图正则化非负Tucker分解算法聚类准确度提升了8.6%~11.4%,归一化互信息提升了2.0%~7.5%,具有更好的聚类效果。

非负矩阵分解的自适应单调投影Barzilai-Borwein算法

提出一种新的自适应单调投影Barzilai-Borwein(BB)算法求解非负矩阵分解(NMF)。算法不使用任何线搜索,并利用自适应BB步长和梯度的利普希茨常数加速算法收敛。在适当的条件下,证明了算法的全局收敛性。此外,将算法应用于稀疏对称非负矩阵分解,数值实验表明算法是有效的。

基于稀疏非负TT分解的图像分类算法

针对高阶的图像分类问题,提出一种基于稀疏非负张量链(Tensor Train,TT)分解的模型。采用交替非负最小二乘法求解相应优化问题,并给出该算法的收敛性分析。数值实验表明,与非负矩阵分解相比,稀疏非负TT分解的图像识别率的平均值提升了6.46%。

非负矩阵分解与非负张量分解:算法与应用

非负张量分解将一个非负张量表为秩1非负张量之和,而非负矩阵分解是非负张量分解在二维下的特殊情形。首先,介绍非负矩阵分解的乘性迭代算法和交替最小二乘算法,并通过数值实验比较两种算法的优劣;其次,介绍非负张量分解在不同代价函数下的乘性迭代算法;最后,将非负矩阵分解和非负张量分解的乘性迭代算法用于人脸识别的特征提取,通过识别准确率比较它们之间的优劣。

浅谈配方法在初中数学中的应用

配方法在初中数学中的应用,完全平方公式的强调,配方法用于因式分解,解一元二次方程,几何图形形状的判断,以及用于二次函数的顶点坐标,对称轴,函数最值的讨论等.

基于矩阵变换的快速非负矩阵分解

在采用交替非负最小平方方法进行非负矩阵分解的过程中,每次的迭代更新通常很难直接计算出唯一的最优非负分解矩阵.但是,若采用矩阵变换方法,则对于变换后的代价函数,就有可能获得唯一的最优非负分解矩阵.对基于矩阵变换的非负矩阵分解进行了理论分析,提出了2种基于矩阵变换的非负矩阵分解算法.该算法具有与已有算法相似的计算复杂度,却可有效减少非负矩阵分解的更新次数.

不可忽视的算术平方根非负性的应用

在数学解题过程中，常常出现这样的问题α≥0，√α≥0，也就是被开方数口是个非负数，而算术平方根也是个非负数，这个被人们忽视的非负性问题，在数学解题中却起着很重要的作用，现举例说明如下：