Advertisement

SNMF算法的块坐标下降法，基于MATLAB代码实现。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该块坐标下降法 MATLAB 代码，结合 SNMF 和 BSUM 算法的 MATLAB 实现，旨在帮助重现我们在 SNMF 研究领域的成果。 通过运行 main_compare.m 文件，您可以获取包含各类最先进算法性能比较的完整结果。 若需要获得其他特定数值，可能需要对代码进行适当的调整。 请参考 [1] 史清江、孙浩然、卢松涛、洪明义、梅萨姆·拉扎维耶恩.“对称非负矩阵分解的不精确块坐标下降方法。” arXiv 预印本 arXiv:1607.03092(2016)。 版本 1.0 – 2016 年 4 月，作者：HaoranSun(hrsunATiastate.edu)。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于MATLAB的块坐标下降法代码-SNMF：不精确方法在对称非负矩阵分解中的应用
    优质
    本项目提供了一种基于MATLAB实现的块坐标下降算法代码，用于解决对称非负矩阵分解（SNMF）问题，并探讨了不精确计算方法的有效性。 块坐标下降法的MATLAB代码SNMF以及BSUM算法的MATLAB代码可用于重现我们在SNMF研究方面的工作。只需运行main_compare.m文件即可获得所有最先进算法的比较结果，如需其他数字的结果，则可能需要对代码进行一些修改。 参考文献： [1] 史清江、孙浩然、卢松涛、洪明义、梅萨姆·拉扎维耶恩，“对称非负矩阵分解的不精确块坐标下降方法”，arXiv预印本 arXiv:1607.03092 (2016)。1.0版--2016年4月
     
  • 基于UIC513标准的乘坐舒适度算法的MATLAB实现代码
    优质
    本项目提供了一套依据UIC513标准开发的乘坐舒适度评估算法的MATLAB实现代码。通过量化分析列车运行时产生的振动和冲击，为铁路车辆的设计与优化提供了重要参考。 基于UIC513标准的乘坐舒适度算法的MATLAB代码已经经过测试并确认可用。
     
  • 基于MATLAB的随机梯度下降算法实现
    优质
    本简介讨论了利用MATLAB软件平台实现随机梯度下降算法的过程与方法，展示了如何通过编程技术优化机器学习模型中的参数调整。 随机梯度下降算法SDG的MATLAB实现方法可以参考相关文献或教程。数据集可以从UCI数据库下载获取。
     
  • Python中的坐标下降法.txt
    优质
    本文件探讨了在Python编程环境中应用坐标下降法（Coordinate Descent）进行优化问题求解的方法和技巧。通过逐步迭代更新变量来最小化目标函数，该方法特别适用于大规模数据集。 坐标下降法是一种优化算法，在Python中的实现可以应用于解决多变量的最优化问题。这种方法通过迭代地选择一个变量并最小化目标函数来逐步逼近最优解。在使用Python进行坐标下降法编程时，需要注意初始化参数的选择以及如何有效地更新每个变量以达到全局或局部最小值。 具体到代码层面，通常会定义两个主要部分：一个是计算目标函数的函数；另一个是执行优化过程的核心算法。此外，在实际应用中可能还需要实现一些辅助功能来监控迭代进度和评估结果的质量。
     
  • 随机坐标下降法与随机高斯赛德尔的关系及MATLAB实现代码
    优质
    本文探讨了随机坐标下降法和随机高斯-赛德尔方法之间的关系，并提供了这两种算法在MATLAB中的具体实现代码。 随机坐标下降法又称随机高斯赛德尔方法。
     
  • MATLAB中梯度下降算法的实现
    优质
    本文章详细介绍了如何在MATLAB环境中实现梯度下降算法，并提供了具体的应用示例和代码实践。 这段文字描述了一个使用Matlab实现梯度下降算法的例子，目的是找到函数x^2+y^2的最小值。
     
  • Matlab中梯度下降算法的实现
    优质
    本文章介绍了如何在MATLAB环境中实现经典的机器学习优化技术——梯度下降算法，并提供了详细的代码示例和解释。 这段文字描述的是一个使用Matlab实现的梯度下降算法示例，其目的是找到函数x^2+y^2的最小值。
     
  • 基于梯度下降法的RBF神经网络MATLAB实现代码
    优质
    本项目提供了一个使用MATLAB编写的程序，用于实现基于梯度下降优化算法的径向基函数（RBF）神经网络。该代码旨在帮助用户理解和应用RBF神经网络进行模式识别和数据拟合等任务，并且包含了详细的注释以方便学习和调试。 1. 包含一个Excel数据集，其中8000组用于训练集，剩余部分作为测试集。 2. 使用有监督学习方法：通过梯度下降来优化中心向量C、宽度D以及权值W。 3. 目标误差设定为10*e-5。 4. 代码完全使用MATLAB编写，并未采用神经网络工具箱。
     
  • MATLAB与LM算法代码-非线性算法: 梯度下降、高斯-牛顿法及LM法的C++和Matlab实现代码
    优质
    本资源提供了用C++和Matlab编写的非线性优化算法（梯度下降，高斯-牛顿法及LM算法）的实现代码，适用于求解各种参数估计问题。 关于MATLAB中的LM算法代码以及非线性梯度下降、高斯-牛顿法和LM方法的C++与Matlab实现代码的相关内容，请注意这些主题涉及具体的编程实践和技术细节，包括但不限于如何在不同语言环境中应用上述优化技术来解决特定问题。
     
  • 基于MATLAB的SVD算法实现代码
    优质
    本项目提供了一个利用MATLAB编程环境实现奇异值分解（SVD）算法的完整示例代码。通过该代码，用户可以深入理解SVD的工作原理及其在数据处理中的应用价值。 SVD算法的MATLAB实现包含一个完整的界面，用户可以手动设置阈值。这属于课程资源的一部分。