您的位置: 专家智库 > >

李宏

作品数:2 被引量:13H指数:1
供职机构:辽宁师范大学数学学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术理学更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇自动化与计算...
  • 1篇理学

主题

  • 2篇矩阵
  • 1篇约束图
  • 1篇正则
  • 1篇正则化
  • 1篇特征提取
  • 1篇子空间
  • 1篇子空间学习
  • 1篇矩阵表示
  • 1篇矩阵分解
  • 1篇非负矩阵
  • 1篇非负矩阵分解

机构

  • 2篇辽宁师范大学
  • 1篇北京科技大学

作者

  • 2篇姜伟
  • 2篇李宏
  • 1篇余震国
  • 1篇杨炳儒
  • 1篇陆瑶
  • 1篇程洋洋

传媒

  • 1篇辽宁师范大学...
  • 1篇计算机科学

年份

  • 1篇2013
  • 1篇2012
2 条 记 录,以下是 1-2
排序方式:
稀疏约束图正则非负矩阵分解被引量:13
2013年
非负矩阵分解(NMF)是在矩阵非负约束下的一种局部特征提取算法。为了提高识别率,提出了稀疏约束图正则非负矩阵分解方法。该方法不仅考虑数据的几何信息,而且对系数矩阵进行稀疏约束,并将它们整合于单个目标函数中。构造了一个有效的乘积更新算法,并且在理论上证明了该算法的收敛性。在ORL和MIT-CBCL人脸数据库上的实验表明了该算法的有效性。
姜伟李宏余震国杨炳儒
关键词:非负矩阵
矩阵表示的子空间学习算法综述
2012年
线性子空间学习是较为流形的一种特征提取方法,而向量表示的子空间学习方法则是目前众多线性子空间学习方法之一.近年来人们针对这一方法的缺点和不足,提出了若干矩阵表示的子空间学习方法,这些方法都是向量表示的子空间学习方法的拓展.首先介绍了几种经典的向量表示子空间学习方法,进而对几种有代表性的矩阵表示子空间学习方法进行了综述并比较详尽地给出了这些算法的推导过程,同时对算法的有效性等问题进行了分析比较,提出了一些新的理论观点和见解.
姜伟陆瑶程洋洋李宏
关键词:子空间特征提取矩阵表示
共1页<1>
聚类工具0