1) split coefficient matrix method
稀疏矩阵分解法
2) sparse matrix decomposition
稀疏矩阵分解
3) NMFs
非负矩阵稀疏分解
1.
In this paper,a new method is proposed for range profile recognition of radar target based on NMFs-LDA.
基于NMFs(非负矩阵稀疏分解)和LDA(线性辨别分析),提出了一种新的雷达目标一维距离像识别方法。
4) SNMF
非负稀疏矩阵分解
5) Sparse Non-negative Matrix Factorization
稀疏性非负矩阵分解
1.
In this paper,the obits identification is treated purely as image recognition,and Sparse Non-negative Matrix Factorization(SNMF)and support vector machine(SVM)are introduced to recognize the obit.
本文提出使用稀疏性非负矩阵分解(Sparse Non-negative Matrix Factorization,SNMF)和支持向量机对轴心轨迹图进行识别进而判断机器运行状态的方法,避免了特征选择和提取。
补充资料：矩阵因子分解法
矩阵因子分解法
matrix factorization method
矩阵因子分解法【叮.甘汉肠。币‘d叨n祀山目;M抑H叨。云中眠功p。叫.Me二川，矩阵前后向代换法(n坦川xfo，公rd一加ck狱Ild su比litutionn犯th(对) 解有限差分方程组的一种方法.在一维问题中差分方程组逼近于常微分方程组的边值间题，而在二维问题中则逼近于椭圆方程组的边界值问题. 对于三点差分格找A。Y卜!一C‘Y，+B，Y，十一“一F:，i=l，二，N一I，其中Y‘={夕1.‘，…，y。，，}是未知的格点向量，只是右端的向量，A:，B，，C‘是给定的方阵，以及边界条件 一C 0 Yo+BoY、二一F。， A份Y探一1一C N YN=一F份，在标量情况下，求下列形式的解: Y，=R‘、，Y，、，+Q，、，，i=0，…，N一1.(*)系数(矩阵R‘+;和向量Q:+、)由递归关系(“向前代换”)确定: R‘+;=(C:一A，R，)一’B，， Q‘十、=(C，一A .R‘)一‘(注，Q‘+尸‘)， i二1，…，N一l，而R、和Q:由左边界条件给出: R一CJ’B。，Ql二CJ’F。.Y，通过公式(，)〔“向后代换”)计算，而 Y、二(C、一A、尺、)一‘(A、Q、+尸、). 在下列条件下，这个方法对舍人误差是稳定的: 1 1 CJ’B。11
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