非负Lasso回归的R语言实现-附件资源

使用牛顿算法解决具有非负变量的线性最小二乘问题： 葡萄牙，Judice 和 Vicente，具有非负变量的线性最小二乘问题的块旋转和内点算法的比较，计算数学，63(1994)，第 625-643 页

nnls - lsqnonneg 的替代方案：在大问题上可以更快， 改进的收敛控制，可选的重启向量 解决非负最小二乘法： min wrt x: (d-Cx)'*(d-Cx) 受制于：x>=0 此版本的 nnls 旨在解决可能发生的收敛问题与 2011-2012 版本的 lsqnonneg，并提供了一个快速的解决方案大问题。 包括为 x 提供初始正项的选项使用 nnls 更快地解决迭代问题。 对于一些大问题，nnls 可能比 lsqnonneg 更快， 请参阅测试文件 (nnlstest.m)。 简单用法：x=nnls(C,d) [x,w,info]=nnls(C,d,opts) C 系数矩阵d Rhs 载体opts 包含选项的结构：（可选） .Accy 0 快速版本，1 精炼最终值（默认）， 2 使用准确的步骤，但在大型情况下非常慢， 在小情况下更快，结果通常与 1 相同.Ord

关于图像处理方面的方法 介绍的非常详细 看起来很明白

nmf的matlab代码

使用MATLAB实现NMF算法，是一种人脸特征提取的算法，基于非负矩阵分解

人脸图像特征提取matlab代码国际货币基金组织 具有稀疏约束的增量非负矩阵分解用于图像表示 此repo实现了由Jing Sun等人针对“具有稀疏约束的增量非负矩阵分解进行图像表示的性能”所提出的特征提取算法的迭代更新过程。此代码对人脸（ORL-32）和对象（ COIL20）数据集以获取AC和NMI，然后验证INMFSC的聚类有效性。 此外，该代码还可以显示我们的稀疏性研究和运行时间，以便与其他基于NMF的聚类方法进行比较。 依存关系 该代码支持Matlab。 跑步 main.m--INMFSC / INMF main1006 -NMF main1024nmf -GINMFSC main1027nmf -GNMF 下载本文 引文 如果您认为此代码有用，请引用： 孙静，王志辉，李浩杰*，孙发明。 （2018）具有稀疏约束的增量非负矩阵分解用于图像表示。 PCM（2）2018：351-360。

Matlab非负矩阵分解NMF-NMF.ppt 非负矩阵分解讲义与程序 QQ截图未命名1.jpg QQ截图未命名2.jpg

nmf的matlab代码非负矩阵分解 通过倍频更新和贪婪坐标下降（GCD）编写的非负矩阵分解（NMF），采用八度。 特征 您可以在Octave（当然是MATLAB）上轻松执行NMF。 使用算法是关于欧几里得距离（EU），KL散度和IS（Itakura-Saito）散度准则的乘法更新规则。 NMF的背景 您应该阅读以下文章。 NMF： 乘法更新： 欧盟，吉隆坡 其他（beta差异） 贪婪坐标下降（GCD）：此算法仅支持EU。 用法 ./exc_nmf.m 默认设置 该默认程序通过实数执行模拟。 如果要处理真实数据，请更改代码，例如“ parameter_setting.m”，“ input_data.m”等以供使用。 随机非负观测矩阵的大小：（18,30） 基本向量数：4 迭代次数：200 更新规则的初始值设置方法：随机非负值 您可以像下面那样在“ parameter_setting.m”上更改这些默认设置， % size of observation matrix I = 18; J = 30; % number of basis vectors K = 4; % iteration

具有Tikhonov正则化的收敛非负反卷积算法