文件名称：matlab解压代码-ptpqp:分区张量分解
文件大小：29.25MB
文件格式：ZIP
更新时间：2024-07-02 10:39:19
系统开源
matlab解压代码使用正交 Procrustes 匹配的分区张量分解 提供论文的Matlab代码： 还包括适用于 Linux 和 MacOS 的快速预编译 C++ 二进制文件 使用 Fast C++ 实现的演示 该演示展示了如何估计每个主题的多项式参数以及每个观察的主题比例。 数据集：data/n10000d10000k5eps0.05.csv 包含 10,000 个观测值，每个观测值有 10,000 个变量。 每个变量取值 {0,1,2} 并且还添加了 5% 的噪声（例如，从概率为 0.05 的均匀分布中抽取）。 用于生成数据的真实参数也在 data/n10000d10000k5eps0.05_*.csv 下给出。 要使用其他数据集，请确保每个变量都采用 {0,...,M_i} 中的值，其中 M_i 可以因变量而异。 要运行演示，请解压缩数据并使用以下命令（或在 bash 中简单地使用 ./run_example.sh）： ./gdlm.Platform -j200 -a output/Est_Alpha.csv -o output/Est_Multinomial.csv -r o
【文件预览】：
ptpqp-master
----CompErr.m(305B)
----CmpMELD.m(621B)
----MELD()
--------run.py(1KB)
--------MELD.py(30KB)
--------autorun.py(2KB)
--------README.txt(187B)
--------script.py(2KB)
----no_tenfact.m(3KB)
----run_nojd.m(461B)
----gdlm_m2.m(539B)
----gdlm_m3_full.m(643B)
----GenTheta.m(332B)
----nonnegfac-matlab()
--------example_nmf_2.m(2KB)
--------nnlsm_blockpivot.m(4KB)
--------ncp.m(16KB)
--------example_nmf_1.m(1KB)
--------nnlsm_activeset.m(5KB)
--------example_ncp.m(2KB)
--------nmf.m(23KB)
--------README.md(3KB)
--------nnls1_asgivens.m(5KB)
--------normalEqComb.m(2KB)
----qrj1d.m(7KB)
----gdlm.macOS(476KB)
----run_ncp.m(379B)
----gdlm_m3.m(956B)
----gdlm.linux64(3.35MB)
----normalize.m(153B)
----kv.m(121B)
----problems()
--------n10000d10000k5eps0.05.conf(732B)
----ptpqp.m(5KB)
----tpqp.m(2KB)
----tpm.m(2KB)
----COPYRIGHT(1KB)
----run_tpm.m(322B)
----README.md(3KB)
----GenSimData.m(890B)
----discreternd.m(219B)
----run_comparison.m(1KB)
----drchrnd.m(151B)
----frac_part.m(1KB)
----data()
--------n10000d10000k5eps0.05_proportions.csv(411KB)
--------n10000d10000k5eps0.05.csv.gz(27.17MB)
--------.PLACEHOLDER(0B)
--------n10000d10000k5eps0.05_multinomial.csv(1.16MB)
--------n10000d10000k5eps0.05_alpha.csv(20B)
----run_experiment.m(2KB)
----jacobi.m(5KB)
----mkv.m(218B)
----tensor3_create.m(302B)
----frac_neg.m(567B)
----gdlm_m2_full.m(570B)
----tpm_nonortho.m(578B)