在大數(shù)據(jù)時(shí)代,海量的高維數(shù)據(jù)更加頻繁的進(jìn)入我們的日常生活中。社會(huì)信息化程度提高為我們帶來便利的同時(shí),也使傳統(tǒng)的數(shù)據(jù)挖掘方法面臨沖擊。在處理高維數(shù)據(jù)時(shí),傳統(tǒng)數(shù)據(jù)分析方法往往會(huì)遭遇“維數(shù)災(zāi)難”,解決該問題的有效途徑是先對(duì)原始數(shù)據(jù)進(jìn)行維度約簡(jiǎn),再對(duì)約簡(jiǎn)后的數(shù)據(jù)進(jìn)行分析。維度約簡(jiǎn)可以有效地在保留關(guān)鍵信息的同時(shí)降低原始數(shù)據(jù)空間的維度,然而,伴隨著技術(shù)的發(fā)展,采集到的數(shù)據(jù)從規(guī)模和復(fù)雜程度上都已經(jīng)將要超出傳統(tǒng)方法所能處理的范疇,經(jīng)典算法的性能難以發(fā)揮,表現(xiàn)不盡人意。基于非負(fù)矩陣分解的方法由于其特性,一直以來受到廣泛關(guān)注和歡迎。因此,本文研究基于非負(fù)矩陣分解的維度約簡(jiǎn)模型,分析傳統(tǒng)算法存在的問題并探索解決方案。本文主要的工作和成果如下:（1）首先,在對(duì)現(xiàn)有工作進(jìn)行充分調(diào)研和總結(jié)的基礎(chǔ)上,統(tǒng)合已有算法的優(yōu)勢(shì),提出一種基于流形學(xué)習(xí)和l_1/2稀疏約束的非負(fù)矩陣分解方法,將其用于維度約簡(jiǎn)工作。針對(duì)大數(shù)據(jù)時(shí)代來源數(shù)據(jù)維度高、結(jié)構(gòu)復(fù)雜、可能存在大量冗余的特點(diǎn),通過引入去噪處理、顯式附加l_1/2稀疏范數(shù)進(jìn)行約束和添加基于流形學(xué)習(xí)思想的圖正則化的方法分別予以解決,從而更加有... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 使用特征提取方法進(jìn)行維度約簡(jiǎn)
        1.2.2 基于流形學(xué)習(xí)思想的特征提取方法
        1.2.3 基于非負(fù)矩陣分解思想的特征提取方法
    1.3 本文主要研究工作
    1.4 論文結(jié)構(gòu)組織和安排
2 基于非負(fù)矩陣分解方法的特征提取相關(guān)基礎(chǔ)理論
    2.1 非負(fù)矩陣分解
        2.1.1 基于歐氏距離平方的目標(biāo)函數(shù)
        2.1.2 基于廣義KL散度的目標(biāo)函數(shù)
    2.2 基于稀疏約束的非負(fù)矩陣分解
        2.2.1 稀疏約束非負(fù)矩陣分解的基本模型
        2.2.2 稀疏約束非負(fù)矩陣分解的迭代優(yōu)化算法
    2.3 基于流形學(xué)習(xí)的特征提取方法
    2.4 本章小結(jié)
3 基于流形學(xué)習(xí)和l_(1/2)稀疏約束的非負(fù)矩陣分解方法
    3.1 算法描述
    3.2 算法模型設(shè)計(jì)
        3.2.1 算法模型和目標(biāo)函數(shù)
        3.2.2 算法模型中的去噪處理
        3.2.3 算法模型中的流形學(xué)習(xí)
        3.2.4 迭代更新規(guī)則
    3.3 算法描述
    3.4 仿真實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析
        3.4.1 實(shí)驗(yàn)環(huán)境配置
        3.4.2 對(duì)比算法
        3.4.3 數(shù)據(jù)集
        3.4.4 算法的性能評(píng)估指標(biāo)
        3.4.5 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 基于二部聚類思想的非負(fù)矩陣三分解方法
    4.1 二部聚類
    4.2 算法描述
    4.3 算法模型設(shè)計(jì)
        4.3.1 算法模型和目標(biāo)函數(shù)
        4.3.2 算法模型中的去噪處理
        4.3.3 迭代更新規(guī)則
    4.4 算法描述
    4.5 數(shù)值實(shí)驗(yàn)及結(jié)果分析
        4.5.1 實(shí)驗(yàn)環(huán)境配置
        4.5.2 對(duì)比算法
        4.5.3 數(shù)據(jù)集
        4.5.4 算法的性能評(píng)估指標(biāo)
        4.5.5 實(shí)驗(yàn)結(jié)果分析
        4.5.6 參數(shù)討論
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]L1/2 regularization[J]. XU ZongBen 1 , ZHANG Hai 1,2 , WANG Yao 1 , CHANG XiangYu 1 & LIANG Yong 3 1 Institute of Information and System Science, Xi’an Jiaotong University, Xi’an 710049, China;2 Department of Mathematics, Northwest University, Xi’an 710069, China;3 University of Science and Technology, Macau 999078, China.  Science China（Information Sciences）. 2010(06)
[2]非負(fù)矩陣分解算法綜述[J]. 李樂,章毓晉.  電子學(xué)報(bào). 2008(04)

碩士論文
[1]稀疏約束非負(fù)矩陣分解方法及其應(yīng)用研究[D]. 路成.安徽大學(xué) 2017



本文編號(hào)：3570750