[发明专利]基于矩阵分解的高维对称稀疏网络缺失信息的估计方法有效
| 申请号： | 201811620484.4 | 申请日： | 2018-12-28 |
| 公开（公告）号： | CN109754008B | 公开（公告）日： | 2022-07-19 |
| 发明（设计）人： | 宋燕;李明;杨桂松 | 申请（专利权）人： | 上海理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F17/16 |
| 代理公司： | 上海天协和诚知识产权代理事务所 31216 | 代理人： | 沈国良 |
| 地址： | 200093 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于矩阵分解的高维对称稀疏网络缺失信息的估计方法，本方法首先初始化低维潜在特征矩阵，确定其个数和矩阵内部元素的初始化数值；基于高维对称稀疏网络中的已知元素设计目标函数；利用梯度学习方法，设计目标函数的求解算法；通过求解算法，最小化目标函数，得到潜在特征矩阵；将潜在特征矩阵相乘，得到高维对称稀疏网络的估计矩阵，由估计矩阵得到高维对称稀疏网络中的缺失信息。本方法克服现有从高维稀疏矩阵中提取有用信息的缺陷，提高缺失信息估计准确度和计算效率，并保证满足预测对称性和非负性。 | ||
| 搜索关键词： | 基于 矩阵 分解 对称 稀疏 网络 缺失 信息 估计 方法 | ||
【主权项】：
1.一种基于矩阵分解的高维对称稀疏网络缺失信息的估计方法，其特征在于本方法包括如下步骤：步骤一、初始化低维潜在特征矩阵，确定低维潜在特征矩阵的个数和矩阵内部元素的初始化数值；步骤二、基于高维对称稀疏网络中的已知元素设计目标函数；步骤三、依据设计的目标函数，利用梯度学习方法，设计目标函数的求解算法；步骤四、通过求解算法，最小化目标函数，得到潜在特征矩阵；步骤五、将潜在特征矩阵相乘，得到高维对称稀疏网络的估计矩阵，由估计矩阵得到高维对称稀疏网络中的缺失信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海理工大学，未经上海理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811620484.4/，转载请声明来源钻瓜专利网。
