在现实生活中，往往存在着大量多维数据，例如视频流数据，文本数据，RGB图像等。
传统的方法往往通过某种方式将多维数据重新排列成矩阵方式，利用矩阵分析方法，例?蛔PCA，SVD，NMF，进行特征提取、聚类、分类等操作，这无疑破坏了数据原本的空间结构，增加了分析结果的不准确性，而张量在分析数据的同时，能够保持多维数据的空间结构不被破坏，这极大地引起了学者们的研究热情。
张量即多维数组，它是向量和矩阵在高维上的推广，目前被广泛应用在计算机视觉、数据挖掘、信号处理等领域。
本文着重研究三阶非负张量分解问题，回顾三阶张量的非负分解模型(NTVl，阐述了算法的思想及实现过程。
接着，从张量投影的角度出发，建立了基于张量投影的非负分解模型(NTPM)，阐述了模型的想法，并给出了相应的算法公式。
在收敛性分析中，给出并证明了模型KKT条件的一个等价方式以及算法收敛性定理。
实验结果表明基于张量投影的非负分解模型，相比于原有的非负分解模型，在运行时间以及逼近误差上有了一定程度的改进。
最后，讨论了NTPM模型今后研究的方向。
传统的方法往往通过某种方式将多维数据重新排列成矩阵方式，利用矩阵分析方法，例?蛔PCA，SVD，NMF，进行特征提取、聚类、分类等操作，这无疑破坏了数据原本的空间结构，增加了分析结果的不准确性，而张量在分析数据的同时，能够保持多维数据的空间结构不被破坏，这极大地引起了学者们的研究热情。
张量即多维数组，它是向量和矩阵在高维上的推广，目前被广泛应用在计算机视觉、数据挖掘、信号处理等领域。
本文着重研究三阶非负张量分解问题，回顾三阶张量的非负分解模型(NTVl，阐述了算法的思想及实现过程。
接着，从张量投影的角度出发，建立了基于张量投影的非负分解模型(NTPM)，阐述了模型的想法，并给出了相应的算法公式。
在收敛性分析中，给出并证明了模型KKT条件的一个等价方式以及算法收敛性定理。
实验结果表明基于张量投影的非负分解模型，相比于原有的非负分解模型，在运行时间以及逼近误差上有了一定程度的改进。
最后，讨论了NTPM模型今后研究的方向。
2020/1/16 23:33:02
2.75MB
1
课程论文事项一、所写题材范围1、引见常用的遥感图像分类的原理，并分别给出如下两个波段（I1和I2）图像的监督分类（分类算法及训练区自行选择，分类算法任选一种）和非监督分类（分类算法任选一种）的结果。
I1=[12342n453210]I2=[43213210123n]n:学号的后两位，如学号后两位02，则n=2；
学号后两位21，则n=21。
2、引见几种常用的多光谱图像和全色图像融合的算法。
假设多光谱图像有两个波段I1、I2（其中I1和I2与第1题图像相同），并假设全色影像为I3=[0123321n1234]试计算应用PCA算法融合多光谱图像（I1和I2）和全色图像I3的结果。
仅供参考！！不保证结果正确性！！！
I1=[12342n453210]I2=[43213210123n]n:学号的后两位，如学号后两位02，则n=2；
学号后两位21，则n=21。
2、引见几种常用的多光谱图像和全色图像融合的算法。
假设多光谱图像有两个波段I1、I2（其中I1和I2与第1题图像相同），并假设全色影像为I3=[0123321n1234]试计算应用PCA算法融合多光谱图像（I1和I2）和全色图像I3的结果。
仅供参考！！不保证结果正确性！！！
2015/7/1 1:32:11
30KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB