• 首页
  • 实验室概况
    • 实验室介绍
    • 实验室管理
    • 学术委员会
    • 实验室组成
    • 规章制度
  • 科学研究
    • 研究方向
    • 研究进展
    • 学术论文
    • 科研项目
  • 研究队伍
    • 序列分析
    • 生物网络分析
    • 医学影像分析
    • 生物数据挖掘
  • 研究生教育
    • 招生指南
    • 导师信息
    • 活动展示
  • 合作交流
    • 学术会议
    • 学术报告
  • 开放课题
    • 通知
    • 申请指南
    • 管理办法
    • 经费细则
    • 申请表格
  • 新闻中心
    • 资讯动态
    • 新闻公告
  • 开源软件
  • 联系我们
当前位置: 首页 >> 科学研究 >> 研究进展 >> 正文

FNNM:特征和核范数最小化的矩阵填充方法

2020年06月29日 09:01  点击:[]



近日,中南大学计算机学院2017级博士生杨梦云为第一作者,王建新教授为通讯作者的论文“Feature and Nuclear Norm Minimization for Matrix Completion”,被国际权威期刊IEEE Transactions on Knowledge and Data Engineering(IEEE-TKDE)录用。IEEE-TKDE是中国计算机学会(CCF)推荐的A类期刊,也是数据挖掘领域公认的国际顶级期刊。



矩阵填充(Matrix Completion)是指在低秩结构假设下,由矩阵中少量的已知元素恢复出其余缺失的元素。它被广泛地应用于计算机视觉、推荐系统、协同过滤和生物信息等领域。矩阵填充方法大致可分为直推填充(Transductive Matrix Completion)和诱导填充(Inductive Matrix Completion)两大类。该研究成果提出了一个全新的矩阵填充方法,即特征和核范数最小化模型(FNNM)。FNNM的基本原理是利用最小化核范数来恢复矩阵的全局模块,并且结合特征信息的稀疏诱导填充来细化矩阵的局部模块。数值实验结果表明FNNM在电影推荐、药物—靶标相互作用预测和多标记学习应用中的性能要优于现有的矩阵填充算法。

该研究工作得到了国家自然科学基金和湖南省研究生科研创新项目的资助。



上一条:基于注意力机制的脑卒中病灶分割方法

【关闭】

版权所有 生物信息学湖南省重点实验室 Copyright ©2020 http://bio.csu.edu.cn/

湖南省长沙市岳麓区麓山南路932号, 410083 电话/传真:(0731)- 88830212 电子邮件:hunan_bio@csu.edu.cn