- 博客(9)
- 收藏
- 关注
RSS订阅原创 完美解决Visio中MathType公式变形的问题以及visio图转pdf之后公式不显示的问题
解决visio中含有MathType公式，转换成pdf后公式变形的问题。
2022-09-21 15:14:22
5515
3
原创 保姆级教程：Linux服务器安装matlab 2019b
保姆级教程：Linux服务器安装matlab 2019b致敬我在linux服务器上安装matlab折腾的一天！！！希望大家少走弯路1.下载1、安装环境Linux2、安装包matlab2019b 64位安装包我是从百度中下载的，链接：https://pan.baidu.com/s/17fBd0XX0At5cevaLzxUuhQ提取码：qalz2.上传至服务器我用的是dos窗口输入命令行传文件的方式，当然也可以用Xshell 和 Xftp的方式；上传命令如下：scp -r /path/fil
2021-05-05 10:50:19
10471
9
原创 半非负矩阵Semi-NMF
直接放图吧，打公式太累了~~~~非负矩阵：注意U是基矩阵，V是隐特征矩阵，别搞反了。半非负矩阵（semi-NMF）半非负矩阵名符其实，就是比NMF少了一个对基矩阵的非负约束；那什么时候用非负矩阵分解，什么时候用半非负矩阵分解呢，半非负矩阵又有什么优势呢？...
2020-07-15 10:42:33
1620
2
原创 范数及其意义
什么是范数？范数(Norm)是具有度量性质的函数，它经常使用来衡量矢量函数的长度或大小，是泛函分析中的一个基本概念。要更好的理解范数，就要从函数、几何与矩阵的角度去理解，我尽量讲的通俗一些。我们都知道，函数与几何图形往往是有对应的关系，这个很好想象，特别是在三维以下的空间内，函数是几何图像的数学概括，而几何图像是函数的高度形象化，比如一个函数对应几何空间上若干点组成的图形。但当函数与几何超出三维空间时，就难以获得较好的想象，于是就有了映射的概念，映射表达的就是一个集合通过某种关系转为另外一个集合。通
2020-07-14 19:18:35
6259
1
原创 Multiple Incomplete Views Clustering via Weighted Nonnegative Matrix Factorization with L2；1 Regular
题目：Multiple Incomplete Views Clustering via Weighted Nonnegative Matrix Factorization with L2;1 Regularization作者：Weixiang Shao, Lifang He，and Philip S. Yu来源：PKDD 2015由多视图数据带来的聚类挑战：如何通过探索不同视图间的一致性和互补性来组合不同数量的视图来获得更好的聚类解决方案。如何处理不完整视图数据，如何在所有视图都不完整的情况.
2020-07-07 19:52:57
629
原创 Partial Multi-view Learning
题目：Partial Multi-view Learning作者：Shao-Yuan Li Yuan Jiang Zhi-Hua Zhou来源：AAAI 2015不完整多视图聚类的经典代表作思路：同时对两个视图分别进行非负矩阵分解，得到潜在表示，认为同一个example的不同view的潜在表示P是相等的。目标函数：存在的问题：不适用于nonlinear latent subspace cases仅使用于两个视图的情况...
2020-07-07 18:22:14
669
原创 Multi-view Learning with Incomplete Views
题目：Multi-view Learning with Incomplete Views作者：Chang Xu, Dacheng Tao, Fellow, IEEE, Chao Xu来源：TPAMI2015关键词：多视图学习；不完整视图；提出问题：实际中多视图数据往往是incomplete的，例如missing its representation on one view(i.e.,missing view)和could be only observed on that view(i.e., mi.
2020-07-07 17:42:50
644
1
转载 非负矩阵分解提取人脸特征
非负矩阵分解原理顾名思义：是一个矩阵分解，并且分解矩阵非负。看起来这句话给人的信息量不大，背后却能挖掘NMF为什么会被提出且广泛被运用的原因。首先是NMF是一个矩阵分解，它和PCA（主成分分析）、ICA（独立成分分析）、SVD（奇异值分解）和VQ（矢量量化）等矩阵分解一样：在当前数据量庞大且巨大的时代，对数据的维数进行消减和高浓度压缩十分重要。其次是为什么非负，在上述提到的矩阵分解方法中，原始的大矩阵V被近似分解为低维（秩）的V=WH形式。这些方法的共同特点是，因子W和H中的元素可为正或负，即使输入的
2020-07-04 20:39:28
3769
原创 Propagation-Based Social-Aware Replication for Social Video Contents
基于传播的社交视频内容的感知复制ABSTRACTINTRODUCTIONMEASUREMENT OF PROPAGATION合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表...
2020-04-11 23:06:57
424
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人