·
搜索结果:找到“矩阵分解”相关结果13542条
排序: 按相关 按相关 按时间降序
  • 【期刊】 一种带偏置的非负矩阵分解推荐算法

    刊名:小型微型计算机系统 作者:王建芳 ; 刘冉东 ; 刘永利 关键词:矩阵分解 ; SVD ; 隐因子 ; 偏置信息 机构:河南理工大学计算机科学与技术学院 ; 河南理工大学计算机科学与技术学院 年份:2018
    摘要:针对传统应用在推荐系统、中的非负矩阵分解算法较少考虑独立于用户和项目之外的因素,提出一种结合用户及项目偏置的非负矩阵分解算法.为了避免随机初始化的用户-隐因子矩阵和项目一隐因子矩阵在更新过程中产生局部最优解,首先利用SVD技术初始化用户.隐因子矩阵和项目.隐因子矩阵.其次在分解过程中把用户、项目的偏置信息与传统非负矩阵分解算法相融合,明确偏置信息与预测数据之间的关系.最后通过实验表明,在不同的数据集上,该算法与传统矩阵分解算法相比在稀疏用户(评价项目比较少的用户)评分预测准确性上有显著提高.
  • 【期刊】 二值矩阵分解的认知建模方法研究

    刊名:计算机科学 作者:张猛 ; 付丽华 ; 何婷婷 ; 杨青 关键词:认知建模 ; 二值矩阵分解 ; 考题分类 ; 学生成绩预测 机构:华中师范大学计算机学院 ; 华中师范大学计算机学院 ; 华中师范大学教育信息化协同创新中心 ; 武汉)数学与物理学院 ; 华中师范大学计算机学院 年份:2017
    摘要:根据考试反馈数据,提出新颖的逻辑斯提克二值矩阵分解方法,来预测未来的学生考试成绩并自动对考题进行模式分类,同时设计新的算法对建模中遇到的非凸优化问题进行求解.在模拟数据和真实的美国SAT考试数据上进行的实验发现,新方法不仅可以准确地预测学生的考试表现,而且能够将考题按照知识点进行自动模式分类.实验结果表明,新的方法相比经典方法在结果的可解释性和估计精度方面有明显的提升.
  • 【期刊】 一类稀疏低秩矩阵分解的非凸模型

    刊名:中国海洋大学学报(自然科学版) 作者:褚文华 ; 王卫国 ; 曾雪迎 关键词:低秩矩阵 ; 稀疏 ; 交替方向乘子法 ; 迫近算子 机构:中国海洋大学数学科学学院 ; 中国海洋大学数学科学学院 年份:2018
    摘要:稀疏低秩矩阵分解是数据处理领域中的一类重要问题。理论和应用研究均已表明,传统的L1模型的分解能力尚有较大的提高空间。本文采用一类非凸函数逼近矩阵的秩和稀疏度,提出了新的稀疏低秩矩阵分解模型,并在ADMM算法框架下发展了高效的数值求解算法。由于算法中迭代子问题的求解均具有显式形式,算法的计算精度和时间复杂度得以控制。数值模拟实验表明,本文模型在较强稀疏的情形下,分解出的低秩和稀疏矩阵的准确性和成功率相较于L1模型具有优势。
  • 【期刊】 基于边重要度的矩阵分解链路预测算法

    刊名:《模式识别与人工智能》 作者:郭丽媛 ; 王智强 ; 梁吉业 关键词:矩阵分解 ; 链路预测 ; 边重要度 机构:山西大学计算机与信息技术学院 ; 山西大学计算机与信息技术学院 ; 山西大学计算智能与中文信息处理教育部重点实验室 年份:2018
    摘要:基于矩阵分解的链路预测方法的领域适应性较好.然而在已有基于矩阵分解的链路预测方法中,0-1矩阵的网络数据表示对网络中未知连边的假设较强,同时对网络中已知连边的重要度无区分性.为此,文中放松0-1矩阵的网络数据表示假设,对未知节点对连边不做任何假设,并提出边重要度度量方法,对网络中已知连边进行重要度度量,最终建立基于网络权重矩阵分解的链路预测模型.在8个公开网络数据集上对比基于度量的链路预测方法和已有矩阵分解方法,文中方法链路预测结果更好.
  • 【期刊】 基于边重要度的矩阵分解链路预测算法

    刊名:模式识别与人工智能 作者:郭丽媛 ; 王智强 ; 梁吉业 关键词:矩阵分解 ; 链路预测 ; 边重要度 机构:山西大学 ; 山西大学 ; 计算机与信息技术学院 ; 山西大学 年份:2018
    摘要:基于矩阵分解的链路预测方法的领域适应性较好.然而在已有基于矩阵分解的链路预测方法中,0-1矩阵的网络数据表示对网络中未知连边的假设较强,同时对网络中已知连边的重要度无区分性.为此,文中放松0-1矩阵的网络数据表示假设,对未知节点对连边不做任何假设,并提出边重要度度量方法,对网络中已知连边进行重要度度量,最终建立基于网络权重矩阵分解的链路预测模型.在8个公开网络数据集上对比基于度量的链路预测方法和已有矩阵分解方法,文中方法链路预测结果更好.
  • 【期刊】 基于TV约束和Toeplitz矩阵分解的波阻抗反演

    刊名:石油地球物理勘探 作者:王治强 ; 曹思远 ; 陈红灵 ; 孙晓明 ; 樊平 关键词:矩阵分解 ; 波阻抗 ; TV约束 ; Toeplitz结构 ; 约束最优化 机构:中国石油大学地球物理与信息工程学院 ; 中国石油大学地球物理与信息工程学院 ; 中国石油大学油气资源与探测国家重点实验室 ; 东方地球物理公司辽河物探处 年份:2017
    摘要:利用波阻抗剖面的非高斯分布特点以及地震子波褶积矩阵的Toeplitz结构,对波阻抗剖面进行全变分(TV)约束,可以在压制随机噪声的同时保持剖面的不连续性,对地震子波褶积矩阵进行Toeplitz稀疏矩阵分解得到地震子波的稀疏表达。地震资料的低频损失导致无法反演出波阻抗的低频背景,故将测井或解释层位信息通过最小二乘法建立约束条件。建立的约束最优化目标函数可以同时反演子波和波阻抗。文中将地震剖面整体处理,反演结果比常规的逐道反演具有更高的精度、横向连续性和抗噪性。
  • 【期刊】 一种融入文档信息的矩阵分解推荐方法

    刊名:工业控制计算机 作者:徐启东 ; 冯广 ; 曾虎 ; 龚旭辉 ; 周瀚章 关键词:矩阵分解 ; 噪声数据 ; 神经网络 ; 潜在隐含因子 ; 性能评价 机构:广东工业大学自动化学院 ; 广东工业大学自动化学院 年份:2018
    摘要:在推荐系统中,精确率和召回率是衡量推荐系统的重要指标。提出了DRMF+方法:首先考虑用户的噪声数据有害于推荐的精确性;其次将神经网络和概率矩阵分解的思想结合在一起,得到优化用户和物品的潜在隐含因子来预测用户对物品缺失的评分最后以此评分为用户做出推荐。实验结果表明该文所提出的方法有助于矩阵分解在评分预测精确性和召回率的方面得到了一定的提升。
  • 【期刊】 基于非负矩阵分解的托攻击检测算法

    刊名:计算机工程与应用 作者:方楷强 ; 王靖 关键词:推荐系统 ; 非负矩阵分解 ; 托攻击 ; 检测算法 机构:华侨大学 ; 华侨大学 ; 计算机科学与技术学院 年份:2017
    摘要:针对现有的无监督检测算法对正常用户误检率较高的问题,提出了一种基于矩阵分解的托攻击检测算法.对评分矩阵采用非负矩阵分解技术提取出用户的特征.采用K-means聚类方法对提取出的用户特征聚类,得到初始正常用户集和初始托用户集.利用初始正常用户集的特征对初始托用户集进行二次分类,进一步提高托攻击用户检测的准确率.实验结果表明,所提出的检测算法与其他检测算法相比较能够更有效地检测出托攻击.
  • 【期刊】 L1范数约束正交子空间非负矩阵分解

    刊名:《计算机系统应用》 作者:韩东 ; 盖杉 关键词:非负矩阵分解 ; 正交性 ; L1范数 ; 稀疏性 机构:南昌航空大学信息工程学院 ; 南昌航空大学信息工程学院 年份:2018
    摘要:针对非负矩阵分解(NMF)相对稀疏或局部化描述原数据时导致的稀疏能力和程度比较弱的问题,提出了L1范数约束正交子空间非负矩阵分解方法.通过将L1范数约束引入到正交子空间非负矩阵分解的目标函数中,提升了分解结果的稀疏性.同时给出累乘迭代规则.在UCI、ORL和Yale三个数据库上进行的实验结果表明,该算法在聚类效果以及稀疏表达方面优于其他算法.
  • 【期刊】 基于不动点方程的非负矩阵分解算法

    刊名:厦门大学学报(自然科学版) 作者:刘伟强 ; 林鹭 关键词:非负矩阵分解 ; 线性互补问题 ; 不动点方程 ; 最速下降法 ; 最小梯度法 机构:厦门大学数学科学学院 ; 厦门大学数学科学学院 年份:2018
    摘要:从线性互补问题出发,通过非负矩阵分解问题与线性互补问题的关系,分别提出不动点方程的最速下降算法与最小梯度算法,证明了这两种算法的收敛性,并进行了数值实验.
  • 【期刊】 一种优化的带偏置概率矩阵分解算法

    刊名:小型微型计算机系统 作者:王建芳 ; 张朋飞 ; 谷振鹏 ; 刘冉东 关键词:概率矩阵分解 ; 截断奇异值分解 ; 偏置 ; 个性化推荐 ; 交替最小二乘 机构:河南理工大学计算机科学与技术学院 ; 河南理工大学计算机科学与技术学院 年份:2017
    摘要:针对个性化推荐过程中高维稀疏性引起的数据震荡和推荐精度不高的问题,提出一种通过交替最小二乘算法(Alter-nating Least Squares,ALS)来优化的带偏置概率矩阵分解的推荐方法.首先将用户项目的偏置信息融入到改进的概率矩阵分解算法中.其次为了提升训练速度和推荐精度,将训练得到的用户项目潜在因子向量作为ALS的初始值,进而得到用户项目潜在因子矩阵.最后利用分解后的两个低维矩阵对原矩阵中的未知评分进行预测.在Movielens100k数据集上的实验结果表明,本文提出的推荐算法在相对于传统的带偏置概率矩阵分解来说最高提高3.41%,结果稳定且准确率高.
  • 【期刊】 基于受约束偏置的概率矩阵分解算法

    刊名:计算机系统应用 作者:梅忠 ; 肖如良 ; 张桂刚 关键词:推荐系统 ; 协同过滤 ; 概率矩阵分解 ; 约束 ; 偏置 机构:福建师范大学软件学院 ; 福建师范大学软件学院 ; 大数据分析与应用福建省高校工程研究中心 ; 中国科学院自动化研究所 年份:2016
    摘要:在概率矩阵分解(PMF)模型拟合之后,评分较少用户的特征趋近于先验分布的平均值,导致对其评分预测接近物品的平均评分.受约束概率矩阵分解(CPMF)未考虑到不同评分系统的整体差异以及数据集内部用户与物品存在的固有属性.针对以上问题,提出将传统矩阵分解中的用户和物品偏置项以及全局平均分结合受约束概率矩阵分解来建立新的矩阵分解算法.算法利用整体平均分衡量不同评分系统,在采用偏置来表示用户以及物品之间相互独立的属性的同时,引入约束使行为相近用户拥有相近的用户偏置,从而提高预测精度.在两个真实数据集上的实验结果表明,该算法相对于PMF和CPMF算法预测精度得到了提高.
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转