1 绪论
1.1 课题研究背景与意义
1.2 研究现状概述
1.3 主要研究内容和贡献
1.4 论文的结构安排
2 正则非负隐特征分析方法概述
2.1 非负矩阵分解
2.1.1 非负矩阵分解的基本概念
2.1.2 非负矩阵分解优化模型
2.1.3 非负矩阵分解算法求解
2.1.4 非负矩阵分解问题的最优性条件
2.2 正则非负隐特征分析
2.2.1 高维稀疏矩阵概念
2.2.2 正则非负隐特征分析的优化模型
2.2.3 正则非负隐特征模型的KKT条件解
2.2.4 带偏差的正则非负隐特征模型
2.3 隐特征模型评估标准
2.4 仿真实验
2.5 小结
3 基于学习深度变化的非负隐特征模型
3.1 引言
3.2 基于β更新策略的学习深度可变的NLF模型
3.3 基于β更新策略的学习深度可变的NLF模型
3.4 算法收敛性证明
3.5 实验验证
3.5.1 性能评价标准
3.5.2 实验数据集
3.5.3 实验总体设置
3.5.4 实验结果
3.6 小结
4 基于广义动量方法的非负隐特征模型
4.1 引言
4.2 动量方法概述
4.2.1 梯度下降算法的缺陷
4.2.2 经典动量方法
4.3 广义动量形式推导
4.4 基于SLF-NM2U算法的快速NLF模型
4.5 带偏差的快速NLF模型
4.6 算法设计与分析
4.7.1 性能评估标准
4.7.2 实验数据集
4.7.3 实验总体设置
4.7.4 超参数敏感性测试与结果分析
4.7.5 模型对比与结果分析
4.8 小结
5 基于Nesterov快速梯度方法的非负隐特征模型
5.1 引言
5.2.1 Nesterov 快速梯度方法原理
5.2.2 FGM和动量方法的联系
5.3 基于FGM的加速NLF模型
5.4 算法设计与分析
5.5 自适应动量参数的学习策略
5.6.1 性能评估标准
5.6.2 实验数据集
5.6.3 实验总体设置
5.6.4 超参数敏感性测试与结果分析
5.6.5 模型对比与结果分析
5.7 小结
6 总结与展望
6.1 总结全文
6.2 展望
参考文献
附录
A. 作者在攻读学位期间发表的论文目录
B. 作者在攻读学位期间取得的科研成果目录
C. 学位论文数据集
致谢
重庆大学;