非负矩阵分解算法综述

被引：106

作者：

李乐

章毓晋

机构：

[1] 清华信息科学与技术国家实验室

来源：

电子学报 | 2008年 / 04期

关键词：

非负矩阵分解; 多元数据描述; 特征提取;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

本文介绍了非负矩阵分解(Non-negative Matrix Factorization,NMF)的基本原理和性质,将现有NMF算法分为了基于基本NMF模型的算法和基于改进NMF模型的算法两大类,在此基础上较为系统地分析、总结和比较了它们的构造原则、应用特点以及存在的问题,最后预测和分析了未来NMF算法研究的可能方向.

引用

页码：737 / 743

页数：7

共 8 条

[1] 一种受限非负矩阵分解方法 [J].

黄钢石 ;

张亚非 ;

陆建江 ;

徐宝文 .

东南大学学报(自然科学版), 2004, (02) :189-193

[2] 可行方向算法与模拟退火结合的NMF特征提取方法 [J].

陈卫刚 ;

戚飞虎 .

电子学报, 2003, (S1) :2190-2193

[3]

Nonnegative matrix factorization and its applications in pattern recognition[J] . Weixiang Liu,Nanning Zheng,Qubo You.Chinese Science Bulletin . 2006 (1)

[4] Improving non-negative matrix factorizations through structured initialization [J].

Wild, S ;

Curry, J ;

Dougherty, A .

PATTERN RECOGNITION, 2004, 37 (11) :2217-2232

[5] Introducing a weighted non-negative matrix factorization for image classification [J].

Guillamet, D ;

Vitrià, J ;

Schiele, B .

PATTERN RECOGNITION LETTERS, 2003, 24 (14) :2447-2454

[6]

Visual Object Recognition[J] . N K Logothetis,D L Sheinberg.Annual Review of Neuroscience . 1996

[7]

What Is the Goal of Sensory Coding?[J] . David J. Field.Neural Computation . 1994 (4)

[8]

A generalized divergence measure for nonnegativematrix factorization .2 R Kompass. Proc of Neuroinfomatics Workshop . 2005

← 1 →