非负矩阵分解算法综述

被引：105
|
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
收藏
页码：737 / 743
页数：7
相关论文
共 8 条
  • [1] 一种受限非负矩阵分解方法
    黄钢石
    张亚非
    陆建江
    徐宝文
    [J]. 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
    陈卫刚
    戚飞虎
    [J]. 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
    Wild, S
    Curry, J
    Dougherty, A
    [J]. PATTERN RECOGNITION, 2004, 37 (11) : 2217 - 2232
  • [5] Introducing a weighted non-negative matrix factorization for image classification
    Guillamet, D
    Vitrià, J
    Schiele, B
    [J]. 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