×
杨尚明;叶，毛

基于α散度的NMF算法的多重稳定性。 （英语） 2015年12月12日

计算。数学。申请。 64，第2期，73-88（2012）.
摘要：分析了一类基于Amariα-发散的非负矩阵因式分解学习算法的多稳定性。分析结果表明，可以为更新算法构造不变集。在这些不变集中，可以保证所讨论算法的非收敛性。基于李亚普诺夫稳定性定理，证明了这类学习算法在其更新规则域内的局部收敛性。在仿真中，将分析结果应用于图像表示。实验结果表明，为这些非负矩阵分解算法的不同应用选择合适的初始数据非常重要。

MSC公司：

15A23型 矩阵的因式分解
62B10型 信息理论主题的统计方面
65层99 数值线性代数
68单位10 图像处理的计算方法

关键词：

稳定性分析;非负矩阵分解;国家气象局;\（α）-散度;局部收敛

软件：

ICALAB公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Yang}和\textit{M.Ye}，计算。数学。申请。64、2号、73--88（2012；Zbl 1252.15015）
全文： 内政部

参考文献：

[1] Lee，D.D。；Seung，H.S.，通过非负矩阵分解学习对象的各个部分，《自然》，401，788-791（1999）·Zbl 1369.68285号
[2] Lee，D.D。；Seung，H.S.，非负矩阵分解算法，（NIPS，第13卷（2001），麻省理工学院出版社）
[3] Cichocki，A。；扎杜克，R。；Amari，S.，《Csiszar对非负矩阵分解的分歧：新算法家族》，（第六届独立分量分析和盲信号分离国际会议，第六届国际独立分量分析与盲信号分离会议，LNCS，第3889卷（2006），Springer:Springer-Charleston，南卡罗来纳州，美国）， 32-39 ·Zbl 1178.94057号
[4] Kompass，R.，非负矩阵分解的广义散度测度，神经计算，19780-791（2007）·Zbl 1127.68081号
[5] Amari，S.，《统计学中的微分几何方法》（1985），Springer Verlag·Zbl 0559.62001
[6] 迪伦，I.S。；Sra，S.，带Bregman发散的广义非负矩阵近似，（神经信息处理系统进展，第18卷（2006），麻省理工学院出版社）
[7] S.Z.Li，X.W.Hou，H.J.Zhang，Q.S.Cheng，学习基于空间局部化部件的表示，摘自：IEEE计算机视觉和模式识别国际会议论文集，夏威夷考艾岛，2001年，第207-212页。；S.Z.Li，X.W.Hou，H.J.Zhang，Q.S.Cheng，学习基于空间局部化部件的表示，摘自：IEEE计算机视觉和模式识别国际会议论文集，夏威夷考艾岛，2001年，第207-212页。
[8] J.I.Buciu，I.Pitas，一种应用于面部表情识别的新稀疏图像表示算法，载于：IEEE信号处理机器学习研讨会，巴西圣路易斯，2004年，第539-548页。；J.I.Buciu，I.Pitas，一种应用于面部表情识别的新稀疏图像表示算法，收录于：IEEE信号处理机器学习研讨会，巴西圣路易斯，2004年，第539-548页。
[9] Wang，Y。；贾毅。；胡，C。；Turk，M.，人脸识别的非负矩阵分解框架，国际模式识别与人工智能杂志，19，4495-511（2005）
[10] Spratling，M.W.，《用于对象识别的学习图像组件》，《机器学习研究杂志》，第7793-815页（2006）·Zbl 1222.68308号
[11] Shahnaz，F。；贝里，M。；Pauca，P。；Plemmons，R.，使用非负矩阵分解的文档聚类，信息处理和管理，42373-386（2006）·Zbl 1087.68104号
[12] R.Zass，A.Shashua，《硬聚类和概率聚类的统一方法》，载：国际计算机视觉会议，ICCV，中国北京，2005年10月。；R.Zass，A.Shashua，《硬聚类和概率聚类的统一方法》，载于：国际计算机视觉会议，ICCV，中国北京，2005年10月。
[13] 徐伟，刘晓霞，龚永勇，基于非负矩阵分解的文档聚类，载：《ACM SIGIR信息检索研究与开发国际会议论文集》，加拿大多伦多，2003年。；徐伟，刘晓霞，龚义勇，基于非负矩阵分解的文档聚类，载《ACM SIGIR信息检索研究与开发国际会议论文集》，加拿大多伦多，2003年。
[14] Cho，Y.C。；Choi，S.，用于分类的光谱时间声音的非负特征，模式识别字母，261327-1336（2005）
[15] Lee，H。；Cichocki，A。；Choi，S.，运动图像EEG分类的非负矩阵分解，（《人工神经网络国际会议论文集》（2006），施普林格：希腊施普林格雅典）
[16] Guillamet博士。；维玛，J。；Schiele，B.，为图像分类引入加权非负矩阵分解，模式识别快报，24，14，2447-2454（2003）·Zbl 1047.68123号
[17] J.H.Ahn，S.Kim，J.H.Oh，S.Choi，动态PET图像的多重非负矩阵分解，载《亚洲计算机视觉会议论文集》，2004年。；J.H.Ahn，S.Kim，J.H.Oh，S.Choi，动态PET图像的多重非负矩阵分解，载《亚洲计算机视觉会议论文集》，2004年。
[18] 布鲁内特，J.P。；Tamayo，P。；Golub，T.R。；Mesirov，J.P.，使用矩阵因子分解发现转基因和分子模式，美国国家科学院学报，101，12，4164-4169（2004）
[19] 高，Y。；Church，G.，通过稀疏非负矩阵分解改进分子癌症类别发现，生物信息学，21，21，3970-3975（2005）
[20] E.F.Gonzales，Y.Zhang，加速非负矩阵分解的Lee-Seung算法，莱斯大学计算与应用数学系技术报告，2005年。；E.F.Gonzales，Y.Zhang，加速非负矩阵分解的Lee-Seung算法，技术报告，莱斯大学计算与应用数学系，2005年。
[21] Lv，J.C。；Tan，K.K。；Yi，Z。；Huang，S.，Hyvrinen和Oja的ICA学习算法在恒定学习率下的收敛性分析，IEEE信号处理学报，57，5，1811-1824（2009）·Zbl 1392.68354号
[22] Lv，J.C。；Tan，K.K。；Yi，Z。；Huang，S.，ICA神经网络一类学习算法的稳定性和混沌，《神经处理快报》，28，1，35-47（2008）
[23] 卡特拉尔，M。；Han，L.等人。；Neumann，M。；Plemmons，R.，关于对称非负矩阵的降秩非负矩阵因式分解，线性代数及其应用，393107-126（2004）·Zbl 1085.15012号
[24] Berry，M.W。；布朗，M。；A.Langville。；Pauca，V。；Plemmons，R.，近似非负矩阵分解的算法和应用，计算统计学和数据分析，52，1155-173（2007）·Zbl 1452.90298号
[25] 巴多，R。；Bertin，N。；Vincent，E.，乘法更新算法的稳定性分析及其在非负矩阵分解中的应用，IEEE神经网络汇刊，21，12，1869-1881（2010）
[26] Lin，C.J.，关于非负矩阵分解乘法更新算法的收敛性，IEEE神经网络汇刊，18，6，1589-1596（2007）
[27] Yang，S。；Yi，Z.，BSS算法非负矩阵分解的收敛性分析，《神经处理快报》，31，1，45-64（2010）
[28] Cichocki，A。；Lee，B.H。；Deok，K.Y.（戴克，K.Y.）。；Choi，B.S.，带α-发散的非负矩阵分解，模式识别字母，29，9，1433-1440（2008）
[29] 徐，L。；Oja，E。；Suen，C.Y.，用于曲线和曲面拟合的改进hebbian线性化，神经网络，5，441-457（1992）
[30] A.Cichocki，S.Amari，K.Siwek，T.Tanaka，《ICALAB软件包：图像处理》，1.2版，RIKEN脑科学研究所，日本柴达木市瓦科市，2006年7月。；A.Cichocki，S.Amari，K.Siwek，T.Tanaka，《ICALAB软件包：图像处理》，1.2版，RIKEN脑科学研究所，日本柴达木市Wako-shi，2006年7月。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。