基于双线性型的非负矩阵集分解

• 作者: 李乐 章毓晋
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 非负矩阵集分解 双线性型 非负矩阵分解 多无数据描述 图像描述 特征提取
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 研究论文与技术报告
• 页码范围: 1536-1549
• 页数: 14页
• 分类号: TP391
• 字数: 10022字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2009.01536

摘要

非负矩阵分解(Non-negative Matrix Factorization,NMF)是一种常用的非负多元数据描述方法.处理数据矩阵集时,NMF描述力不强、推广性差.为解决这两个问题,并保留NMF的好特性,该文提出了非负矩阵集分解(Non-negative Matrix Set Factorization,NMSF)的概念,并在NMSF的框架下系统研究了基于双线性型的非负矩阵集分解(Bilinear Form-Based Non-negative Matrix Set Faetorization,BFBNMSF),构造了单调下降的BFBNMSF算法.理论分析和实验结果均表明:处理数据矩阵集时,BFBNMSF比NMF描述力强、推广性好.由此可认为,此时BFBNMSF比NMF更善于抓住数据的本质特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章毓晋	清华大学电子工程系	125	4563	34.0	65.0
2	李乐	清华大学信息科学与技术国家实验室	9	244	3.0	9.0