原文服务方: 杭州电子科技大学学报(自然科学版)       
摘要:
针对高阶的图像分类问题,提出一种基于稀疏非负张量链(Tensor Train,TT)分解的模型。采用交替非负最小二乘法求解相应优化问题,并给出该算法的收敛性分析。数值实验表明,与非负矩阵分解相比,稀疏非负TT分解的图像识别率的平均值提升了6.46%。
推荐文章
基于低秩表示的非负张量分解算法
图像分类
低秩表示
非负
张量分解
基于稀疏性非负矩阵分解的故障监测方法
故障监测
非负矩阵分解
主元分析
稀疏编码
统计过程监控
基于非负矩阵分解和SFIM的图像融合算法
非负矩阵分解
SFIM
多光谱
图像融合
用于独立特征学习的稀疏非负矩阵分解算法
非负矩阵分解
L2,1/2稀疏
独立特征学习
余弦相似性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于稀疏非负TT分解的图像分类算法
来源期刊 杭州电子科技大学学报(自然科学版) 学科
关键词 Tensor Train分解 交替非负最小二乘法 非负张量分解 稀疏性
年,卷(期) 2023,(1) 所属期刊栏目
研究方向 页码范围 93-98
页数 5页 分类号 O224
字数 语种 中文
DOI 10.13954/j.cnki.hdu.2023.01.015
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2023(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Tensor Train分解
交替非负最小二乘法
非负张量分解
稀疏性
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
杭州电子科技大学学报(自然科学版)
双月刊
1001-9146
33-1339/TN
chi
出版文献量(篇)
3184
总下载数(次)
0
总被引数(次)
11145
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导