文章-世纪中文出版社

王岩唐杰《当代中文学刊》 2019年4期

摘要:

网络表示学习算法是社交网络分析领域的一个热点问题。该文旨在研究现有的各种网络表示学习算法,并分析各类算法在不同结构的网络数据中的性能,对3大类别、共10种网络表示学习算法在8个网络上进行了网络节点的多标签分类以验证算法的性能,以此来全面评价各类算法的效果、效率和应用范围。实验结果表明,DeepWalk这种流行的深度学习算法在各种类型的网络中有着稳定而较好的效果。而基于矩阵分解算法的应用,则受限于其较高的空间复杂度。

矩阵分解与广义逆矩阵下载：65 浏览：283

陈建龙张小向《数学应用》 2020年12期

摘要:

矩阵在数学和工程等多个领域具有广泛的应用.通常的线性代数课程中只介绍非常基本的矩阵知识,难以满足后续的需要.本文先系统地总结矩阵之间的等价、相似以及合同关系,在此基础上介绍几种重要的矩阵分解技巧,并从逆矩阵的概念过渡到广义逆矩阵,通过知识点之间的串联与类比,帮助学生加深对矩阵理论的理解.实践表明,这是打造线性代数"金课"的有效做法.

基于深度神经网络和加权隐反馈的个性化推荐下载：45 浏览：387

薛峰刘凯王东张浩博《人工智能研究》 2020年8期

摘要:

改进的矩阵分解(SVD++)将用户和物品特征向量的内积作为用户对物品的评分,而内积无法捕捉用户与物品之间复杂的高阶非线性关系.此外,SVD++在融入用户隐式反馈时,未区分不同交互物品对于用户特征表达的贡献.针对上述问题,文中提出基于深度神经网络和加权隐反馈的推荐算法(DeepNASVD++),采用深度神经网络建模用户与物品之间的关系,使用注意力机制计算历史交互物品在建模用户隐式反馈时的权重.在公开数据集上的实验验证文中算法的有效性.

幂等矩阵的性质及其推广下载：53 浏览：277

冯福存常莉红《数学应用》 2020年2期

摘要:

首先对幂等矩阵的简单性质进行了归纳总结,接着论证了幂等矩阵的等价条件及其特征值的取值范围,并讨论了幂等矩阵与实对称矩阵的关系、幂等矩阵与其伴随矩阵的特征值和特征向量的对应关系及幂等矩阵在群逆中的一个性质.最后讨论了幂等矩阵的两种分解形式.

联合哈希特征和分类器学习的跨模态检索算法下载：62 浏览：375

刘昊鑫吴小俊庾骏《人工智能研究》 2020年3期

摘要:

为了解决跨模态检索算法检索准确率较低、训练时间较长等问题,文中提出联合哈希特征和分类器学习的跨模态检索算法(HFCL).采用统一的哈希码描述语义相同的不同模态数据.在训练阶段,利用标签信息学习具有鉴别性的哈希码.第二阶段基于生成的鉴别性哈希码,采用核逻辑回归学习各模态的哈希函数.在测试阶段,给定任意一个模态查询样本,利用学习的哈希函数生成哈希特征,从数据库中检索与之语义相关的另一模态数据.在3个公开数据集上的实验验证HFCL的有效性.

基于正交约束的分块不完整多视角聚类下载：57 浏览：371

姜健伟殷俊《人工智能研究》 2020年2期

摘要:

在处理数据特征提取问题时,已有的基于非负矩阵分解的不完整多视角聚类算法对局部特征的提取不够准确.针对此问题,文中提出基于正交约束的分块不完整多视角聚类(CIMVCO).利用非负矩阵分解获得所有视角的潜在特征矩阵,通过加入正交约束得到更好的局部特征.对于各个视角的缺失样本,CIMVCO给予较小的权重以减小缺失数据的影响.为了解决大规模数据的聚类问题,CIMVCO逐块处理数据以减少内存需求和处理时间.在Reuters和Digit数据集上的实验验证CIMVCO的有效性.

基于Fisher判别分析的增量式非负矩阵分解算法下载：67 浏览：441

蔡竞1 王万良1 郑建炜1 罗志坚3 申思2 《人工智能研究》 2018年11期

摘要:

增量式非负矩阵分解算法是基于子空间降维技术的无监督增量学习方法.文中将Fisher判别分析思想引入增量式非负矩阵分解中,提出基于Fisher判别分析的增量式非负矩阵分解算法.首先,利用初始样本训练的先验信息,通过索引矩阵对新增系数矩阵进行初始化赋值.然后,将增量式非负矩阵分解算法的目标函数改进为批量式的增量学习算法,在此基础上施加类间散度最大和类内散度最小的约束.最后,采用乘性迭代的方法计算分解后的因子矩阵.在ORL、Yale B和PIE等3个不同规模人脸数据库上的实验验证文中算法的有效性.

社交网络中融合社交关系和语义信息的推荐算法下载：82 浏览：490

刘慧婷杨良全凌超赵鹏《人工智能研究》 2018年5期

摘要:

协同过滤方法广泛应用于推荐,但是数据稀疏成为模型提供高质量推荐的一大障碍.为了解决此问题,文中提出融合社交关系和语义信息的推荐算法,提高协同过滤方法的推荐性能,有机融合稀疏的用户行为记录、项目的社交信息和项目的语义信息.应用矩阵分解技术把行为矩阵和项目社交关系映射到一个低维的特征空间,提供项目社交关系信息分解的显式解释,分析关系信息对用户行为偏好产生的影响.同时,使用社会化因子正则的级联去噪自编码器模型学习项目语义特征,改进传统深度学习模型.在真实腾讯微博和Twitter数据集上的实验表明,文中方法有效提高召回率、准确率和推荐效率.

基于边重要度的矩阵分解链路预测算法下载：84 浏览：505

郭丽媛王智强梁吉业《人工智能研究》 2018年3期

摘要:

基于矩阵分解的链路预测方法的领域适应性较好.然而在已有基于矩阵分解的链路预测方法中,0-1矩阵的网络数据表示对网络中未知连边的假设较强,同时对网络中已知连边的重要度无区分性.为此,文中放松0-1矩阵的网络数据表示假设,对未知节点对连边不做任何假设,并提出边重要度度量方法,对网络中已知连边进行重要度度量,最终建立基于网络权重矩阵分解的链路预测模型.在8个公开网络数据集上对比基于度量的链路预测方法和已有矩阵分解方法,文中方法链路预测结果更好.

低秩矩阵近似与优化问题研究进展下载：92 浏览：500

张恒敏杨健郑玮《人工智能研究》 2018年2期

摘要:

首先以高维数据压缩与恢复为背景,详细阐述由香农采样理论到稀疏表示和压缩感知理论再到低秩矩阵问题的发展历程,引出低秩矩阵近似与优化问题的重要性.然后,从低秩矩阵最小化问题、低秩矩阵分解问题、低秩矩阵的优化与应用三方面对现有方法进行详细的综述.最后对当前研究的不足之处与未来的研究方向提出合理的建议.

融合评论主题信息的可解释推荐下载：76 浏览：460

侯雲峰《计算机研究与应用》 2018年5期

摘要:

可解释推荐成为近年来推荐系统领域的一个热点研究话题。然而,现有的可解释推荐方法并不能定量地为推荐结果做出解释。为了解决这个问题,提出一种基于主题的矩阵分解模型。模型量化用户在特定主题上的偏好程度,并且能将用户主题偏好信息用于提升推荐的性能。最终通过一系列实验验证模型的推荐性能和解释能力。

基于非凸矩阵分解的电网欺骗性数据注入攻击检测方法下载：81 浏览：476

陈雄欣1 罗萍萍1 苑开波2 《电力研究》 2020年8期

摘要:

电力系统状态估计中的量测数据容易受到欺骗性数据注入攻击的恶意篡改,使状态估计的稳定性受到影响。根据量测数据在连续时间段内的低维特性以及欺骗性数据攻击的稀疏特性,提出了一种基于非凸矩阵分解的电网欺骗性数据注入攻击检测方法。首先,将欺骗性数据注入攻击的检测问题视为稀疏低秩矩阵分解问题,并将分解问题转化为非凸优化问题,通过改进的交替方向乘子法求解此非凸问题,将受攻击的数据矩阵分解为正常量测矩阵和攻击矩阵;其次,利用分解出的攻击矩阵检测出欺骗性数据注入攻击的数值和位置,并以分解出的正常量测矩阵作为参考量测量,进行状态估计获得正确的状态变量;最后,通过IEEE-14节点系统分析了不同攻击幅值下的检测结果,验证了所提方法的准确性。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com