TL-NMF

Sixin Zhang, Emmanuel Soubies和Cédric Févotte的研究展示了TL-NMF算法在非负矩阵分解中的可辨识性。该代码通过Python（版本3.6）安装包TLNMF进行复现。研究结果包括一个随机矩阵示例，展示了算法在数据处理中的应用。

获取 TL866 资源的途径有很多，您可以在各大搜索引擎、技术论坛以及相关设备的官方网站上进行查找。

这是一个使用NMF分解技术进行人脸识别的MATLAB程序，包含以下部分： nmfpack.part01.rarnmfpack.part02.rarnmfpack.part03.rarnmfpack.part04.rarnmfpack.part05.rarnmfpack.part06.rarnmfpack.part07.rarnmfpack.part08.rarnmfpack.part09.rarnmfpack.part10.rarnmfpack.part11.rarnmfpack.part12.rarnmfpack.part13.rarnmfpack.part14.rar

研究论文《community preserving network embedding》的matlab实现已支持直接应用于Texas、Cornell等多个数据集。

这份PPT是对中科院徐君老师关于NMF网络数据挖掘课程指定论文的解读。内容涵盖了论文的核心观点、研究方法以及实验结果分析，并结合图表和案例进行详细阐述，帮助同学们更好地理解和掌握相关知识。

MATLAB代码优化：Beta流程稀疏非负矩阵分解（BP-NMF）是贝叶斯非参数扩展的一部分。介绍了BP-NMF的实现，强调了使用L-BFGS-B解算器来优化多个单变量函数的挑战。为了提高稳定性，可以考虑在非共轭变量上采用单变量求解器，尽管会降低速度。针对大型输入矩阵（如超过2分钟的22.05 kHz信号，具有1024点DFT和50%重叠），建议避免处理大量录音数据。代码包含推理、实用工具和实验部分，所有.ipynb扩展名的文件可以一起运行。此外，还提供了GaP-NMF的Python转换，以及使用随机结构化均值字段和折叠的Gibbs采样器进行推断的代码。

非负矩阵分解(NMF)是一种局部特征提取方法，能勾勒相关图像在基矩阵空间的分布。为解决NMF未考虑数据内在几何结构的限制，提出基于NMF与全局非线性降维方法Isomap相结合的新方法。Isomap能有效发现数据内在结构与相关性，实现高维数据的可视化降维。实验显示，该方法在图像检索中能更准确地获取信息，提升检索准确性。

J.Bruna，P.Sprechmann和Y.LeCun于ICASSP 2015会议上编写了用于实现“带有散射NMF的源分离”模型的scattnmf代码。运行demo.m时请注意：培训词典需要使用matlab软件包SPAMS。散射代码的部分内容借用自Scatnet包。

图像处理中Matlab代码的贝叶斯阈值用于CA源提取的NMF管道实现了图像去噪，运动校正，去卷积和去混合的方法。该代码适用于从大型钙成像电影中同时提取信号源和推断峰值。未来将增加用于树突/轴突成像数据的分析工具。

该项目涉及NMF的Matlab代码和ETHZ 2020春季课程的项目工作。课程内容包括：2-D半隐式有限Prandtl数对流，Fortran中的OOP概念如派生类型、类型扩展、多态性和类型绑定过程，以及相关模块和基础知识。Fortran 95作为现代科学和工程应用程序设计的编程语言，适合初学者和已有MATLAB编程经验的学生。课程强调动手实践，以地球科学相关的科学问题作为示例。