【Mark Schmidt课件】机器学习与数据挖掘——稀疏矩阵分解

本课件主要内容包括：

1. 上次课程回顾：基于正交/序贯基的PCA

2. 人眼的颜色对立

3. 颜色对立表示法

4. 应用：人脸检测

5. 特征脸

6. VQ vs. PCA vs. NMF

7. 面部表示

8. 非负最小二乘法

9. 稀疏性与非负最小二乘法

10. 稀疏性与非负性

11. NMF投影梯度

12. 应用：体育分析

13. 应用：癌症特征

14. 正则化矩阵分解

15. 稀疏矩阵分解

16. L1正则化矩阵分解

17. 结构稀疏性

18. 图像块的隐因子模型

19. 应用：图像复原

英文原文课件下载地址：

http://page5.dfpan.com/fs/0lc9j2021e29516d157/

更多精彩文章请关注微信号：