tailieunhanh - Báo cáo hóa học: " Fast Nonnegative Matrix Factorization and Its Application for Protein Fold Recognition"

Tuyển tập báo cáo các nghiên cứu khoa học quốc tế ngành hóa học dành cho các bạn yêu hóa học tham khảo đề tài: Fast Nonnegative Matrix Factorization and Its Application for Protein Fold Recognition | Hindawi Publishing Corporation EURASIP Journal on Applied Signal Processing Volume 2006 Article ID 71817 Pages 1-8 DOI ASP 2006 71817 Fast Nonnegative Matrix Factorization and Its Application for Protein Fold Recognition Oleg Okun and Helen Priisalu Machine Vision Group Infotech Oulu and Department of Electrical and Information Engineering University of Oulu . Box 4500 90014 Finland Received 27 April 2005 Revised 29 September 2005 Accepted 8 December 2005 Linear and unsupervised dimensionality reduction via matrix factorization with nonnegativity constraints is studied. Because of these constraints it stands apart from other linear dimensionality reduction methods. Here we explore nonnegative matrix factorization in combination with three nearest-neighbor classifiers for protein fold recognition. Since typically matrix factorization is iteratively done convergence can be slow. To speed up convergence we perform feature scaling normalization prior to the beginning of iterations. This results in a significantly more than 11 times faster algorithm. Justification of why it happens is provided. Another modification of the standard nonnegative matrix factorization algorithm is concerned with combining two known techniques for mapping unseen data. This operation is typically necessary before classifying the data in low-dimensional space. Combining two mapping techniques can yield better accuracy than using either technique alone. The gains however depend on the state of the random number generator used for initialization of iterations a classifier and its parameters. In particular when employing the best out of three classifiers and reducing the original dimensionality by around 30 these gains can reach more than 4 compared to the classification in the original high-dimensional space. Copyright 2006 Hindawi Publishing Corporation. All rights reserved. 1. INTRODUCTION It is not uncommon that for certain data sets their dimensionality n is higher than the number

• Báo cáo khoa học
• báo cáo khoa học
• báo cáo hóa học
• công trình nghiên cứu về hóa học
• tài liệu về hóa học
• cách trình bày báo cáo
• trình bày báo cáo
• tài liệu báo cáo khoa học
• cách trình bày báo cáo khoa học
• báo cáo khoa học sinh học
• báo cáo khoa học toán học
• luận văn mẫu
• người lính việt nam
• sau chiến tranh
• tuyển tập báo cáo khoa học
• báo cáo ngành triết học
• báo cáo ngành lịch sử
• báo cáo ngành văn học
• nghiên cứu khoa học
• báo cáo về văn học
• báo cáo triết học
• báo cáo văn học
• chuyên đề văn học
• văn học nghệ thuật
• văn học Việt NAm
• báo cáo ngành toán học
• báo cáo ngành vật lý
• báo cáo ngành chăn nuôi
• văn học Trung Hoa
• báo cáo khoa học kinh tế
• Kỷ yếu tóm tắt báo cáo khoa học
• Báo cáo khoa học y học
• Báo cáo y học
• Hội nghị khoa học tim mạch
• Báo cáo khoa học y khoa
• Tăng huyết áp
• báo cáo sinh học
• bảo tồn nguồn gen
• báo cáo ngành kỹ thuật
• Báo cáo quản lý chất thải sinh hoạt
• Báo cáo khoa học môi trường
• Báo cáo khoa học công nghệ
• Nghiên cứu khoa học về môi trường
• Đề tài nghiên cứu khoa học
• Báo cáo nghiên cứu khoa học