非负矩阵分解的一个约束稀疏算法

被引:3
作者
李臣明
张师明
李昌利
机构
[1] 河海大学计算机与信息学院
关键词
非负矩阵分解(NMF); 稀疏性; 最小相关系数; 2-范数;
D O I
10.15961/j.jsuese.2015.02.016
中图分类号
TN911.7 [信号处理];
学科分类号
0711 ; 080401 ; 080402 ;
摘要
针对非负矩阵分解中系数矩阵不够稀疏的问题,提出一个新的约束非负矩阵分解算法。在经典非负矩阵分解的优化函数中施加稀疏性约束,并对分解系数矩阵施加最小相关约束,与此同时对基矩阵施加2-范数约束,在保证非负约束和分解精度的基础上,使分解后得到的矩阵尽可能稀疏,这样可以更加节省存储空间,分解结果更优。对比实验表明,提出的算法具有更好的稀疏性,且实验误差更小。
引用
收藏
页码:108 / 111
页数:4
相关论文
共 13 条
[1]  
ZIP[P]. FROEHLICH ALFONS.CS194201B2,1979-11-30
[2]  
ZIP[P]. FROEHLICH ALFONS.CS194201B2,1979-11-30
[3]   基于投影梯度法的非负矩阵分解稀疏算法 [J].
平沙沙 ;
褚蕾蕾 .
计算机与数字工程, 2012, 40 (12) :20-22+59
[4]   基于循环优化的矩阵联合对角化算法及在盲源分离中的应用 [J].
李昌利 ;
曹嘉毅 .
四川大学学报(工程科学版), 2011, 43 (05) :159-162
[5]   基于约束NMF的盲源分离算法 [J].
赵知劲 ;
卢宏 ;
徐春云 .
压电与声光, 2010, 32 (06) :1049-1052
[6]   非负矩阵分解算法综述 [J].
李乐 ;
章毓晋 .
电子学报, 2008, (04) :737-743
[7]   关于距离矩阵的最佳欧氏逼近 [J].
张福振 .
北京师范大学学报(自然科学版), 1987, (04) :21-24
[8]   Underdetermined blind source separation using sparse representations [J].
Bofill, P ;
Zibulevsky, M .
SIGNAL PROCESSING, 2001, 81 (11) :2353-2362
[9]  
Double Constrained NMF for Hyperspectral Unmixing. Lu X Q,Wu H,Yuan Y. IEEE Transactions on Geoscience and Remote Sensing . 2014
[10]  
Non negativematrixfactorizationwithsparsenesscon straints. HOYERPO. JournalofMachineLearningResearch . 2004