الگوریتم های اولیه – دوگان برای تجزیه ماتریس غیر منفی با واگرایی کولبک-لیبلر
پروژه ۴۰۹: شبیه سازی مقاله در matlab
شبیه سازی الگوریتم های اولیه – دوگان برای تجزیه ماتریس غیر منفی با واگرایی Kullback-Leibler
چکیده مقاله:
تجزیه ماتریس های غیر منفی (nmf) به عنوان تقریبی از دو ماتریس غیر منفی می باشد. الگوریتم های ضرب قابل اطمینان بوده اما همگرایی ضعیفی در مسائل دارای ابعاد بالا که احتمال گیر کردن در نقاط محلی را دارند نشان می دهد. روش گرادیان نزولی دارای عملکرد بهتری است اما فقط در مواردی بصورت حداقل خطای مربعات به کار می رود. در این مقاله از یک الگوریتم اولیه – دوگان برای مشکلات تجزیه های غیر منفی (جاییکه یک عامل ثابت می باشد.) با واگرایی kl بر اساس الگوریتم Chambolle-Pock صورت گرفته است. همه محاسبات دز یک فرم بسته و یک راه حل اکتشافی کارآمد برای انتخاب گام به اندازه به دست آمده است. با استفاده از الگوریتم متناوب ، الگوریتم nmf ما به سادگی گسترش و در نمونه های مصنوعی همچون تشخیص چهره و یا جدا سازی داده های موزیک خیلی سریع تر بوده و کمتر در نقاط محلی گیر می کند. در این شبیه سازی ما تلاش کرده ایم بتوانیم این الگوریتم را با چند الگوریتم دیگر نیز مقایسه نماییم. شبیه سازی در نرم افزار متلب به صورت ام فایل نوشته شده است. این برنامه شامل ۴ ام فایل بوده و دستورات تا حد امکان توضیح داده شده است.
شما می توانید اصل مقاله را دریافت کرده و در صورت تمایل اقدام به خرید سورس برنامه نمایید. اصل مقاله لاتین را می توانید از لینک زیر دانلود نمایید .
دانلود: دانلود اصل مقاله لاتین
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
برخی از نتایج در شکل زیر:
دیگر پروژه مرتبط:
کد متلب برای مشتق گیری عددی، تابع گرادیان، لاپلاسین و کرل و دیورژانس یک بردار
مجموعه: پردازش تصویر, ریاضیات و محاسبات عددی