隨著大數(shù)據(jù)時(shí)代的到來,高維數(shù)據(jù)處理技術(shù)受到了越來越廣泛的研究。張量(Tensor)作為矩陣向高維數(shù)組的推廣,在現(xiàn)實(shí)生活中十分常見,例如:一個(gè)帶有RGB通道的彩色圖像可以看作一個(gè)3階張量,一段彩色視頻流可看作一個(gè)4階張量。傳統(tǒng)方法處理高維數(shù)據(jù)時(shí)通常將其轉(zhuǎn)化為低維數(shù)組(如:矩陣、向量)再進(jìn)行處理,這無疑破壞了高維數(shù)據(jù)內(nèi)部的空間結(jié)構(gòu)并使得結(jié)果不夠準(zhǔn)確。而利用張量在處理高維數(shù)據(jù)時(shí)可以保證數(shù)據(jù)的空間結(jié)構(gòu)不被破壞從而提升計(jì)算效果。由于現(xiàn)實(shí)中的許多數(shù)據(jù)集本身都具有非負(fù)和稀疏的特性,本文在張量的非負(fù)分解(Nonnegative Tensor Factorization)模型基礎(chǔ)上,研究了張量的稀疏非負(fù)分解算法模型。同時(shí),利用張量分解進(jìn)行了張量填充(Tensor Completion),并將其應(yīng)用到現(xiàn)實(shí)中帶有缺失的數(shù)據(jù)恢復(fù)中。論文的主要工作總結(jié)如下:介紹了一種非負(fù)張量分解的方法。通過限制目標(biāo)張量具有非負(fù)、稀疏的特性,利用投影梯度(Projected Gradient)進(jìn)行優(yōu)化迭代,本文中簡(jiǎn)稱為PGNTF算法。該方法是基于張量的CP分解進(jìn)行的,對(duì)分解得到的因子矩陣分別進(jìn)行迭代優(yōu)化,并對(duì)刻畫稀疏性的罰項(xiàng)的梯...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1三階張量：∈××

電子科技大學(xué)碩士學(xué)位論文8第二章張量分解的基本概念2.1張量的基礎(chǔ)定義在現(xiàn)實(shí)生活中，因?yàn)橄蛄恐荒鼙硎疽痪S數(shù)組，而矩陣只能表示二維數(shù)組，為了能夠更加直觀地表示一些高維的數(shù)值指標(biāo)集，由此引入了張量（Tensor）即是高維數(shù)組（MultidimensionalArray）。事實(shí)上，張量....

圖3-1大小為202020，CP秩為3的張量進(jìn)行實(shí)驗(yàn)的性能指標(biāo)（PI）對(duì)比

第三章基于梯度投影的張量非負(fù)分解算法193.4.2仿真結(jié)果實(shí)驗(yàn)1.在本實(shí)驗(yàn)中，我們利用了PI值隨迭代次數(shù)的變化對(duì)比了PGNTF算法和ASNP算法[18]。ASNP算法同樣利用了梯度投影對(duì)因子矩陣進(jìn)行更新，不同于PGNTF算法的是：ASNP算法將所有因子矩陣展開為向量再重排為一個(gè)矩....

圖3-2大小為202020，CP秩為4的張量進(jìn)行實(shí)驗(yàn)的性能指標(biāo)（PI）對(duì)比

電子科技大學(xué)碩士學(xué)位論文20了不同的CP秩進(jìn)行了實(shí)驗(yàn)，但是PGNTF算法仍能夠較好的得到較小的PI值。實(shí)驗(yàn)2.在實(shí)驗(yàn)2中，我們對(duì)比了代價(jià)函數(shù)：F=‖[[,,]]‖.圖3-2大小為202020，CP秩為4的張量進(jìn)行實(shí)驗(yàn)的性能指標(biāo)（PI）對(duì)比。虛線和實(shí)現(xiàn)分別為ASNP算法和PGNTF....

圖3-3大小為303030，CP秩為3的張量進(jìn)行實(shí)驗(yàn)的性能指標(biāo)（PI）對(duì)比

電子科技大學(xué)碩士學(xué)位論文20了不同的CP秩進(jìn)行了實(shí)驗(yàn)，但是PGNTF算法仍能夠較好的得到較小的PI值。實(shí)驗(yàn)2.在實(shí)驗(yàn)2中，我們對(duì)比了代價(jià)函數(shù)：F=‖[[,,]]‖.圖3-2大小為202020，CP秩為4的張量進(jìn)行實(shí)驗(yàn)的性能指標(biāo)（PI）對(duì)比。虛線和實(shí)現(xiàn)分別為ASNP算法和PGNTF....

本文編號(hào)：4004202