基于SVD的双线性非负矩阵集分解

• 作者: 吕志高 李芬 王兴
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 非负矩阵集分解 双线性型 SVD 图像描述 特征提取
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 应用技术
• 页码范围: 140-142,146
• 分类号: TP391.41
• 字数: 2149字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2552.2012.09.039

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.基于双线性型的非负矩阵集分解(bilinear form-based non-negative matrix set factorization,BFBNMSF)是对NMF的扩展,处理数据矩阵集时,BFBNMSF比NMF描述力强、推广性好.但BFBNMSF在初始化时使用随机分布,为使BFBNMSF更快收敛,该文提出一种基于奇异值分解(Singular value decomposition,SVD)初始化的BFBNMSF,即SVD-BFBNMSF,对系数矩阵进行初始化,已达到快速收敛的目的.实验结果表明:与传统BFBNMSF比较,该方法在收敛速度确有所改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王兴	武汉科技大学信息学院	4	8	2.0	2.0
2	吕志高	武汉科技大学信息学院	3	16	2.0	3.0
3	李芬	武汉科技大学信息学院	3	3	1.0	1.0