收藏本站
收藏 | 论文排版

矩阵分解在数据挖掘中的应用

李英明  
【摘要】:矩阵分解在很多需要数据挖掘技术的实际应用中非常热门,例如信息检索,机器视觉和模式识别等领域。矩阵分解旨在使用两个或者更多的低维矩阵来逼近一个高维矩阵。在现实应用中,数据通常会有各种各样的特点:数据可能会有全局几何结构;数据也可能是非常稀疏的;训练数据集可能是非常有限的。这就需要人们围绕数据的特点设计不同的矩阵分解方法。本文研究了矩阵分解在实际应用中的一些突出问题。基于现有的工作,我们借用不同的数据结构提出了不同的矩阵分解方法,用来解决实际问题。本文的主要工作和贡献在下面几个方面: 1.针对数据表示中存在的问题,提出了一种坐标排序正则化非负矩阵分解方法,以更好的利用数据的全局流形几何结构。这个方法的主要思想是结合非负矩阵分解和流形排序方法来同时利用数据的局部和全局几何结构。在真实数据上的实验结果说明了所提出算法的优越性。 2.针对科学文章推荐存在的问题,提出了一种主题回归矩阵分解模型。这种分解模型主要是使用概率主题建模对矩阵分解进行拓展。主题回归矩阵分解模型通过引入一个回归模型对用户隐藏变量进行正则化,这种正则化是基于一个假设:评价过相似项目的用户有着相似的偏好。进一步,主题回归矩阵分解模型可以为用户和项目提供可解释的隐藏变量,并且可以为社区用户作出准确的预测。此外,我们在CiteULike网站提供的一个较大的真实数据集上验证了算法的效率。实验结果表明本算法在性能上要优于现有的代表性算法。 3.针对科学文章中存在相关性结构的问题,我们提出了主题回归多矩阵分解模型。这种分解模型可以将主题回归模型和相关性矩阵分解结合起来。此外,我们还提出了带有相关性矩阵分解的协同主题回归模型,此模型可以作为主题回归多矩阵分解模型的基准比较算法。同样,我们在CiteULike网站提供的一个较大的真实数据集上验证了算法的效率。实验结果表明主题回归多矩阵分解模型要优于其他现有的代表性算法。 4.针对标注问题中训练集有限且含有噪声问题,我们提出了多标签约束的半参数正则支持向量机方法。这种方法可以通过半参数正则利用已标注和未标注数据,同时通过多标签约束优化目标函数。半参数正则的主要思想是利用高维空间协方差矩阵分解得到的数据几何结构。虽然多标签约束的半参数正则支持向量机方法可以用于各种数据标注,但是本文集中应用于训练集有限且含有噪声的图像标注问题中。理论分析和大量实验比较论证了本方法的优越性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李宇光,朱志德;矩阵分解法分析及其应用研究[J];哈尔滨船舶工程学院学报;1989年04期
2 史加荣;郑秀云;周水生;;矩阵补全算法研究进展[J];计算机科学;2014年04期
3 李聪;骆志刚;;用于鲁棒协同推荐的元信息增强变分贝叶斯矩阵分解模型[J];自动化学报;2011年09期
4 袁运祥;基于矩阵分解的子结构法求解介绍[J];计算机应用通讯;1981年00期
5 张海建;;分布式矩阵分解算法在推荐系统中的研究与应用[J];科技通报;2013年12期
6 何朕,赵文斌,于达仁;摄动矩阵的分解[J];电机与控制学报;2004年03期
7 李华云;;F范数及矩阵分解实例研究[J];现代情报;2008年10期
8 邹理和;;系数矩阵分解二维谱估值[J];信号处理;1985年03期
9 陈伯伦;陈崚;邹盛荣;徐秀莲;;基于矩阵分解的二分网络社区挖掘算法[J];计算机科学;2014年02期
10 王锋;赵志文;牟盛;;整数提升小波多相矩阵分解系数的快速提取算法[J];中国图象图形学报;2012年03期
11 段华杰;;考虑时间效应的矩阵分解技术在推荐系统中的应用[J];微型电脑应用;2013年03期
12 王海雷;牟雁超;俞学宁;;基于协同矩阵分解的社会化标签系统的资源推荐[J];计算机应用研究;2013年06期
13 贺超波;汤庸;沈玉利;石玉强;;应用非负值矩阵分解模型的社区挖掘方法[J];小型微型计算机系统;2014年06期
14 李振;孙新利;姬国勋;刘好杰;刘志勇;;多状态网络可靠度下界的矩阵分解算法[J];小型微型计算机系统;2013年07期
15 张爱文;樊红莲;;半离散矩阵分解改进算法在网页信息检索中的应用研究[J];黑龙江工程学院学报;2007年02期
16 李卫平;杨杰;;基于随机梯度矩阵分解的社会网络推荐算法[J];计算机应用研究;2014年06期
17 高世伟,保铮;利用数据矩阵分解实现对空间相关信号源的超分辨处理[J];通信学报;1988年01期
18 李明;;矩阵分解理论在降维中的应用[J];吉林师范大学学报(自然科学版);2010年03期
19 彭飞;邓浩江;刘磊;;面向个性化服务推荐的QoS动态预测模型[J];西安电子科技大学学报;2013年04期
20 张铭 ,杨万麟 ,李乐民;用前后向数据矩阵分解实现相干源的超分辨空间谱估计[J];声学与电子工程;1989年04期
中国重要会议论文全文数据库 前2条
1 王春江;钱若军;王人鹏;杨联萍;;矩阵分解在张力集成体系模态分析中的应用[A];第九届全国结构工程学术会议论文集第Ⅰ卷[C];2000年
2 王春江;王人鹏;钱若军;王颖;;矩阵分解技术在体系性态综合分析中的初步应用[A];“力学2000”学术大会论文集[C];2000年
中国博士学位论文全文数据库 前4条
1 李英明;矩阵分解在数据挖掘中的应用[D];浙江大学;2014年
2 赵科科;低秩矩阵分解的正则化方法与应用[D];浙江大学;2012年
3 胡惠轶;基于分解的系统辨识方法研究[D];江南大学;2014年
4 陈根浪;基于社交媒体的推荐技术若干问题研究[D];浙江大学;2012年
中国硕士学位论文全文数据库 前10条
1 牛明芝;唯一分解环上的矩阵分解[D];湖南科技大学;2014年
2 封金蕾;基于矩阵分解的显著对象提取算法分析与应用[D];北京交通大学;2012年
3 陈天奇;基于特征的矩阵分解模型[D];上海交通大学;2013年
4 修贤超;低秩稀疏矩阵分解在视频监控中的应用[D];北京交通大学;2014年
5 邹丹;非负矩阵分解算法研究及其在个性化推荐系统中的应用[D];北京工业大学;2012年
6 张川;基于矩阵分解的协同过滤推荐算法研究[D];吉林大学;2013年
7 杨娟;多通路主题模型和双矩阵分解推荐算法[D];苏州大学;2013年
8 李明;基于矩阵分解理论学习的数据降维算法研究[D];辽宁师范大学;2011年
9 胡澍;融合社会关系的资源推荐方法研究[D];华中科技大学;2012年
10 张静姝;推荐系统中基于智能优化算法的矩阵分解[D];吉林大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978