1) LNMF
局部非负矩阵分解
1.
Then,the image basis functions obtained by local non-negative matrix factorization(LNMF)are used as the templates for pattern matching.
首先,将原始的灰度图像转化成能够表征纹理信息的模式图,并且通过在特征窗内统计每一模式的像素个数得到其中心像素的特征矢量,然后将由局部非负矩阵分解(LNMF)得到的基本方程作为模板进行模式匹配。
2) Non-negative matrix factorization
非负矩阵分解
1.
Application of Non-negative Matrix Factorization to romote sensing image fusion;
非负矩阵分解在遥感图像融合中的应用
2.
Blind sources separation based on non-negative matrix factorization;
基于非负矩阵分解算法进行盲信号分离
3.
Image classification based on non-negative matrix factorization and adjacency spectra;
基于非负矩阵分解与邻接谱的图像分类
3) nonnegative matrix factorization
非负矩阵分解
1.
We presented a generalized Kullback-Leibler cost function,and derived a new nonnegative matrix factorization algorithm based on scaled gradient desent method.
给出一种广义的Kullback-Leibler代价函数,基于调比梯度下降法得到新的非负矩阵分解算法。
2.
An algorithm with regularization constrains for nonnegative matrix factorization(RCNMF) is proposed.
提出一种带有正则约束的非负矩阵分解算法(RCNMF)。
3.
Inspired by the nonnegative matrix factorization algorithm, we put forward an fuzzy text clustering method based on nonnegative factor analysis.
本文借助于非负矩阵分解算法,提出了一种基于非负因子分析的模糊文本聚类方法。
4) non-negative matrix factorization(NMF)
非负矩阵分解
1.
A non-negative matrix factorization(NMF) based latent semantic indexing(LSI) model was introduced for image retrieval.
提出了一种基于非负矩阵分解(Non-negative Matrix Factorization,NMF)的隐含语义索引(Latent Semantic Indexing,LSI)模型用于图像检索。
2.
The initialization of Non-negative Matrix Factorization(NMF) has studied in this paper.
对非负矩阵分解的初始化进行研究,提出针对文本分类的主成分分析(PCA)、有监督PCA(SPCA)和模糊C平均3种初始化方法并进行了实验。
3.
A novel supervised feature extraction method based on non-negative matrix factorization(NMF) was proposed.
基于非负矩阵分解理论,提出一种新的有监督的特征提取方法,它具有二个特点:一是在特征提取过程中它直接利用训练样本的类别信息,二是在计算上仍然采用与非负矩阵分解方法相同数学公式,因此这种新特征提取方法被称为组合类别信息的非负矩阵分解(CINMF)方法。
5) NMF
非负矩阵分解
1.
Employing the new feedback method of NMF(Non-negative Matrix Factorization),the system fulfills successfully the task of a gradual search and the final target-positioning.
给出了一种基于图像可视属性的检索系统的模型,并利用非负矩阵分解(NMF)的新的相关反馈方法完成系统的逐步检索达到定位到目标的任务,实验结果表明该系统性能较好,可以用于通用图像的检索中。
2.
Non-negative matrix factorization(NMF) is a data analysis novelty rappidly developping in recent years.
介绍非负矩阵分解的基本原理及其在生物信息学中基因表达数据分析中的应用。
3.
Non-negative Matrix Factorization (NMF) is one of the recently emerged dimensionality reduction methods.
非负矩阵分解算法(Non-negative Matrix Factorization,简称NMF)是目前国际上提出的一种新的矩阵分解方法。
6) Nonnegative Matrix Factorization(NMF)
非负矩阵分解
1.
An endmember constrained Nonnegative Matrix Factorization(NMF)method for mixture pixels unmixing is proposed.
提出一种端元约束条件下的非负矩阵分解方法来自动反演混合像元组分。
补充资料：非标准钨矿原料分解
非标准钨矿原料分解
digestion of nonstandard tungsten ore raw material
feib旧ozhun wukuang yuanlioo fenjie非标准钨矿原料分解(di罗stion of nonstan-dard tungsten ore raw material)非标准钨原料中的钨与化学试剂反应，生成水溶性钠盐而与大部分不溶性杂质得以初步分离的钨精矿分解方法。非标准钨矿原料系指钨中矿(包括钨细泥)、等外钨精矿等。钨中矿是在钨矿的选矿过程中产出的部分难选低品位钨物料，其量(按WO:计)约为选矿总量的15%左右。这些难选钨物料的特点是W03含量低(远低于65%)，杂质多，且有些为黑白钨矿的混合矿。以黑钨矿为主的称黑钨中矿，以白钨矿为主的则称白钨中矿。等外钨精矿是指某些指标未达到国家标准的精矿，主要是含磷、砷、硅、硫和锡等杂质较高的精矿。这些非标准钨原料各有其特点，因此分解方法也有所不同。 钨中矿分解钨中矿属低品位难选钨物料，为提高选冶过程钨的总回收率，一般采用化学分解法。目前工业上用的主要分解方法有碳酸钠液压煮法、氢氧化钠搅拌浸出法及机械活化碱分解法，其原则工艺流程如图。 碳酸钠钨中矿氢氧化钠了 粗钨酸钠溶解 (送净化) 钨中矿分解工艺原则流程碳酸钠液压煮法将磨细至90%过0.045mm的白钨中矿和苏打(NaZC03)溶液放在压煮簇中进行分解，白钨中矿中的钨生成钨酸钠进入溶液，而与其他不溶的大部分杂质残渣得以分离。原料中如含有黑钨矿，则浸出剂中需加入少量烧碱(Na0H)以中和产出的NaHCO3。碳酸钠用量视原料中WO3的含量而定，一般为理论量的3~5倍。在压力0.98~2.65MPa和温度453~so3K下分解2一4h，钨的分解率可在95%以上(见白钨矿碳酸钠液压煮分解)。 氢氧化钠搅拌浸出法中国于70年代开始用于分解黑钨中矿或钨细泥。由于原料中的WO:的品位低且含有一定量的白钨，故需用高浓度的氢氧化钠溶液才能使钨中矿中的钨分解完全，并需通过钨酸钠溶液的浓缩结晶来回收NaOH，以减少碱耗并适应后继净化作业的要求。浸出过程可在加压(0.78一0.98MPa)或常压下进行，物料浸出前需磨细至一0.o43mm粒级超过98%。 NaOH用量视原料中WO:品位和钙含量而定，一般为理论量的4~6倍。分解矿浆所含的NaOH高达10~15mol/L。如常压浸出含WO3约40%、含钙2写的钨中矿，NaOH用量为理论量的4一5倍，浸出在393一4o3K温度下保温4h，WO3分解率可达97%左右。本法存在流程较长，原料中含白钨较多时，钨分解率低等问题(见黑钨精矿苛性钠液分解)。 机械活化碱分解法钨矿不经预磨直接和氢氧化钠在热球磨机内进行分解的方法。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条