文件名称：可爱的matlab代码-Locally-Nonnegative-Pursuit:在不使用非负约束的情况下学习稀疏凸表示，AAAI'14
文件大小：153KB
文件格式：ZIP
更新时间：2024-06-28 10:50:40
系统开源
可爱的matlab代码用于学习稀疏凸表示的局部非负追踪 (LNP) 方法 这是AAAI'14论文LNP的官方matlab实现： . 作者：吕建成，张毅。 四川大学计算机学院． 如果您有任何疑问或发现代码中的一些错误，请发送电子邮件至： 目录 一瞥 根据几何原理，即流形局部部分数据点的凸包，LNP根据条件贪婪地构建局部最小凸包。 我们证明在构造的邻域上计算的数据表示是非负的和 k 稀疏的，k 由 LNP 选择并与数据流形的内在维度相关。 综上所述，LNP 是一种迭代算法，它可以 (1) 学习非负稀疏编码而没有任何非负约束； (2) 学习低维流形上数据的低维表示和聚类； (3) 使用学习到的稀疏非负表示自动估计流形的数量。 抽象的 局部邻域选择对于大多数基于表示的流形学习算法起着至关重要的作用。 本文揭示了学习表征的邻域选择不当将在学习表征中引入负面成分。 重要的是，具有负分量的表示将影响内在流形结构的保存。 在本文中，提出了一种用于邻域选择的局部非负追踪（LNP）方法，并学习了非负表示。 此外，证明了学习到的表示是稀疏和凸的。 理论分析和实验结果表明，所提出的方法在各种流形学习问题上达到
【文件预览】：
Locally-Nonnegative-Pursuit-master
----COIL20-duck-experiment()
--------amc_to_matrix.m(3KB)
--------results.png(77KB)
--------get_nalac.m(748B)
--------get_intrinsicDimEstimt.m(235B)
--------missclassGroups.m(1KB)
--------lem.m(1KB)
--------get_mde.m(82B)
--------get_nalac_smce.m(1004B)
--------affine_rep.m(2KB)
--------dnae_optimization.m(220B)
--------Misclassification.m(727B)
--------smce_optimization.m(1KB)
--------errorCoef.m(525B)
--------get_nn_idMatrix.m(217B)
--------dnae_embedding.m(621B)
--------L2_distance.m(297B)
--------get_nz_mde.m(144B)
--------duck_32_32.mat(53KB)
--------test_coil20_ducks.m(9KB)
--------SpectralClustering.m(446B)
--------SpectralEmbedding.m(392B)
--------lle.m(2KB)
--------get_nalac_lnp.m(1010B)
--------dnae_clustering.m(908B)
--------lnp_embedding.m(976B)
--------lnp_once.m(2KB)
--------processC.m(711B)
--------alm_vec_func.m(2KB)
--------lnp.m(2KB)
----Motivation()
--------NeighborSelection_LNP.m(2KB)
--------lnp_once.m(2KB)
--------lnp.m(2KB)
----README.md(4KB)