学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
一种非负矩阵分解的快速稀疏算法
被引:5
作者
:
论文数:
引用数:
h-index:
机构:
宋金歌
论文数:
引用数:
h-index:
机构:
杨景
论文数:
引用数:
h-index:
机构:
陈平
论文数:
引用数:
h-index:
机构:
佘玉梅
机构
:
[1]
云南民族大学数学与计算机科学学院
来源
:
云南民族大学学报(自然科学版)
|
2011年
/ 20卷
/ 04期
关键词
:
非负矩阵分解;
快速稀疏;
文本文摘;
D O I
:
暂无
中图分类号
:
TP301.6 [算法理论];
学科分类号
:
081202 ;
摘要
:
提出了一种非负矩阵分解的快速稀疏算法,该算法有利于处理高维小样本数据.在非负矩阵分解的过程中,通过代数变换,将原高维n×m阶的非负矩阵分解转化成低维m×m阶非负矩阵分解,大大提高了分解速度.在目标函数中加入了约束稀松度的项,通过控制稀松度,提高分解得到的潜在语义信息,改进文档集的话题划分,并能快速提取主题相关的语句生成文摘.
引用
收藏
页码:262 / 266
页数:5
相关论文
共 3 条
[1]
一种非负矩阵分解的快速方法
[J].
论文数:
引用数:
h-index:
机构:
王文俊
;
论文数:
引用数:
h-index:
机构:
张军英
.
计算机工程与应用,
2009,
45
(25)
:1
-2+6
[2]
非负矩阵分解算法综述
[J].
李乐
论文数:
0
引用数:
0
h-index:
0
机构:
清华信息科学与技术国家实验室
李乐
;
章毓晋
论文数:
0
引用数:
0
h-index:
0
机构:
清华信息科学与技术国家实验室
章毓晋
.
电子学报,
2008,
(04)
:737
-743
[3]
Non-negative matrix factorization with sparseness constraints. HOYER P O. J Mach Learning Res . 2004
←
1
→
共 3 条
[1]
一种非负矩阵分解的快速方法
[J].
论文数:
引用数:
h-index:
机构:
王文俊
;
论文数:
引用数:
h-index:
机构:
张军英
.
计算机工程与应用,
2009,
45
(25)
:1
-2+6
[2]
非负矩阵分解算法综述
[J].
李乐
论文数:
0
引用数:
0
h-index:
0
机构:
清华信息科学与技术国家实验室
李乐
;
章毓晋
论文数:
0
引用数:
0
h-index:
0
机构:
清华信息科学与技术国家实验室
章毓晋
.
电子学报,
2008,
(04)
:737
-743
[3]
Non-negative matrix factorization with sparseness constraints. HOYER P O. J Mach Learning Res . 2004
←
1
→