{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“讯息”：{“索引”：{“日期部分”：[[2024,4,26]]，“日期时间”：“2024-04-26T07:02:16Z”，“时间戳”：1714114936605}，“参考计数”：41，“出版商”：“计算机协会（ACM）”，“问题”：“6”，“资助者”：[{“名称”：“国家科学基金会”，“奖项”用法：[“IIS 1652943，IIS 1849359，CNS 1932482，and CCF 2029543”]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[“acm Trans.Knowl.Discov.Data”]，”published-print“：{”date-parts“：[2021,6,28]}，”abstract“：”非负矩阵分解（NMF）广泛用于确定各种聚类应用中的类成员关系。从电影推荐和图像聚类到视觉特征提取，NMF应用于解决大量的知识发现和数据挖掘问题。传统的优化方法，如乘法更新算法\u00a0（MUA），通过利用辅助函数来确保目标单调递减来解决NMF问题。尽管MUA中的目标收敛，但没有证据表明学习的矩阵因子也收敛。如果没有这种严格的分析，NMF算法的聚类性能和稳定性就无法得到保证。为了解决这一知识缺口，本文研究了基于因子的NMF问题，并通过严格的数学分析提供了一种收敛性证明的求解算法，确保了目标因子和矩阵因子都收敛。此外，我们展示了MUA和我们的解之间的关系，然后分析了MUA的收敛性。在玩具数据和真实数据集上的实验验证了我们提出的方法的正确性及其作为有效聚类算法的实用性<\/jats:p>“，”DOI“：”10.1145\/3451395“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,5,19]]，”date-time“：”2021-05-19T17:08:53Z“，”timestamp“：1621444133000}，”page“：title“：[”基于因子的非负矩阵分解“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”给定“：”凯“，”家族“：”刘“，”序列“：”第一“，”从属关系“：[}”名称“：”克莱姆森大学，克莱姆森，SC“}]}，{”给出“：”湘玉“，”家庭“：”李“，”顺序“：”附加“，”附属关系“：”{“name”：”科罗拉多矿业学院，戈尔登，CO“}]{，”给定“”：”志辉“，”家人“：”朱“，”sequence“”：“附加”，“从属关系”：[{“name“：”科罗拉多州丹佛市丹佛大学“}]}，{“给定”：“Lodewijk”，“家族”：“Brand”，“sequence”：“additional”，“affiliation”：[{“name”：“科罗拉多州戈尔登矿业学院”}]}，{“ORCID”：“http:\/\/ORCID.org/0000-0002-5986-7413”，“authenticated ORCID”：false，“给定”：“Hua”，“家族”：“Wang”，“sequence”：“additional”，“affiliation”：[{“name”：“科罗拉多矿业学院，科罗拉多州戈尔登“}]}]，“成员”：“320”，“在线发布”：{“日期-部件”：[[2021,5,19]]}，“参考”：[{“密钥”：“e_1_2_1_1_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s10107-007-0133-5”}，{“key”：“e_1_2_1”，”doi-assert-by“出版商”，“内政部”：“101007\/s1107-011-0484-9”}，{“键”：“e_1_2_1_3_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1137\/050644641“}，{“key”：“e_1_2_1_4_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1109\/TPAMI.2010.231”}，“key“：”e_1_i_1_5_1“，”doi-assert-by“：”publisher“，.2018.04.031“}，{“问题”：“1”，“密钥”：“e_1_2_1_7_1”，“首页”：“一”，“文章标题”：“非负矩阵分解的最优性、计算和解释。SIAM矩阵分析杂志（2004）“，“卷”：“10”，“作者”：“Chu Moody”，“年份”：“2004”，“非结构化”：“Moody Chu，Fasma Diele，Robert Plemmons，and Stefania Ragni。2004 . 非负矩阵分解的最优性、计算和解释。SIAM矩阵分析杂志（2004）。内政部：10。1。1.61.5758&rep=rep1&type=pdf穆迪·朱、法斯玛·迪尔、罗伯特·普莱蒙斯和斯特凡妮娅·拉格尼。非负矩阵分解的最优化、计算和解释。SIAM矩阵分析杂志（2004）。DOI:10.1.1.61.5758&rep=rep1&type=pdf“，”journal-title“：”DOI“}，{“key”：“e_1_1_8_1”，“volume-title”：“Simon”，“author”：“Ding Chris”，”year“：”2005“，”unstructured“：”Chris Ding，Xiaofeng He，and Horst D.Simon.2005.关于非负矩阵因式分解与谱聚类的等价性。2005年SIAM国际数据挖掘会议记录。SIAM，606\u2013610。Chris Ding、Xiaofeng He和Horst D.Simon。2005。关于非负矩阵分解和谱聚类的等价性。2005年SIAM国际数据挖掘会议论文集。SIAM，606\u2013610.“}，{”key“：”e_1_2_1_9_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TPAMI.2008.277”}，“key”：“e_1_c_10_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/1150402.1150420“}”，{.2806568“}，{”key“：”e_1_2_1_12_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1557019.1557063“}，{“key”：“e_1_2_1_13_1”，“volume-title”：“第十六届神经信息处理国际会议论文集。ACM，153\u2013160”，“作者”：“何晓飞”，“年份”：“2004”，“非结构化”：“何晓飞和帕塔·尼约吉。2004 . 保留位置的投影。第16届神经信息处理国际会议论文集。美国医学会，153\u2013160。何晓飞和帕塔·尼约吉。2004年。保留局部投影。第16届神经信息处理国际会议论文集。ACM，153\u2013160.“}，{”key“：”e_1_1_14_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/1005332.1044709”}，“key”：“e_2_1_15_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TSP.2016.2576427“}”，{6111.1346125“}，{”key“：”e_1_2_1_17_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2063576.2063676“}，{“key”：“e_1_2_1_18_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1155\/2008\/764206“}”，{”key“：”e_1_i_19_1“，”volume-title“：”通过非负矩阵因式分解学习对象的各个部分。Nature 401，6755“，”author“：”Lee Daniel D.“，”year“：”1999“，”unstructured“：”Daniel D.Lee和H.Sebastian Seung.1999。通过非负矩阵分解学习对象的各个部分。《自然》401，6755（1999），788。Daniel D.Lee和H.Sebastian Seung。1999.通过非负矩阵分解学习物体的部分。《自然》401，6755（1999），788.“}，{“key”：“e_1_2_1_20_1”，“volume-title”：“第十三届神经信息处理系统国际会议论文集。ACM，556\u2013562”，“作者”：“Lee Daniel D.”，“非结构化”：“Daniel D.Lee和H.Sebastian Seung.2001。非负矩阵分解算法。第13届神经信息处理系统国际会议论文集。美国医学会，556\u2013562。Daniel D.Lee和H.Sebastian Seung。2001.非负矩阵分解算法。第13届国际神经信息处理系统会议论文集。ACM，556\u2013562.“}，{”key“：”e_1_1_21_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TKDE.2019.2936855”}，“key”：“e_1_i_1_22_22_1”，“doi-assert-by”：“publisher”，”doi“：”10.1162\/neco.2007.10.2756“}”，{115\/v1\/P15-265“}，{“键”：“e_1_2_1_24_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1016\/j.jbi.2007.12.003“}，{“key”：“e_1_2_1_25_1”，“volume-title”：“第37届国际机器学习会议论文集。PMLR，6479\u20136488”，“author”：“Luo Lei”，“year”：“2020”，“unstructured”：“罗磊、张延福和黄恒。2020 . 对抗非负矩阵分解。第37届机器学习国际会议论文集。PMLR，6479\u20136488。罗磊、张延福和黄恒。2020年。对抗性非负矩阵分解。第37届机器学习国际会议论文集。PMLR，6479\u20136488.“}，{”key“：”e_1_2_1_26_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TPAMI.2006.60”}，“key”：“e_1_i_1_27_1”，“volume-title”：“2008年非线性理论及其应用国际研讨会论文集”，“author”：“Phan Anh Huy”，“year”：“08”，“unstructured”：“”Anh Huy Phan和Andrzej Cichocki。2008 . 使用快速分层交替最小二乘算法（HALS）的多路非负张量因式分解。2008年非线性理论及其应用国际研讨会论文集。Anh Huy Phan和Andrzej Cichocki。2008.使用快速分层交替最小二乘算法（HALS）的多路非负张量因式分解。2008年非线性理论及其应用国际研讨会论文集。“}，{”key“：”e_1_1_28_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1137\/120891009”}，“key”：“e_1_i_1_29_1”，“volume-title”：“第九届国际口语处理会议论文集”，“author”：“Mikkel”，“unstructured”：“米克尔N.Schmidt和Rasmus K.Olsson，2006。基于稀疏非负矩阵分解的单通道语音分离。第九届国际口语处理会议记录。Mikkel N.Schmidt和Rasmus K.Olsson。2006.使用稀疏非负矩阵分解的单通道语音分离。第九届国际口语处理会议记录。“}，{”key“：”e_1_1_30_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/299792.299970”}，“key”：“e_1_cu1_31_1”，“volume-title”：“2003 IEEE音频和声学信号处理应用研讨会论文集。IEEE，177\u2013180”，“author”：“Smaragdis Paris”，“unstructured”：“Paris Smaragdis and Judith C.Brown.2003。复调音乐转录的非负矩阵分解。2003年IEEE音频和声学信号处理应用研讨会论文集。IEEE，177\u2013180。Paris Smaragdis和Judith C.Brown。2003.复调音乐转录的非负矩阵分解。2003年IEEE信号处理在音频和声学中的应用研讨会论文集。IEEE，177\u2013180.“}，{”key“：”e_1_1_32_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/EUSIPCO.2016.7760286”}，“key”：“e_2_1_33_1”，“doi-assert-by”：“publisher”，”doi“：”10.1089\/cmb.2012.0273/2117684.2118202“}，{”键“：”e_1_2_1_35_1“，”doi-asserted-by“：”出版商“，”doi“：”10.5555\/2283516.2283654“}，{“键”：“e_1_2_1_36_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/860435.860485“}”，{”键“：”e_1_i_1_37_1“，”doi-assert-by“：”publisher“，“doi”：“10.1137\/120887795”}，}“键“：952558“}，{”key“：”e_1_2_1_39_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3-540-69731-2_68“}，{“key”：“e_1_2_1_40_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/IJCNN.2014.6889928“}”，{”key“：”e_1_i_1_41_1“，”doi-assert-by“：”publisher“，“doi”：“10.5555\/2503308.2188415”}]，“container-title”：[“ACM Transactions on Knowledge Discovery from Data”]，“original title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3451395“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,1]]，”date-time“：“2023-01-01T18:57:50Z”，”timestamp“：1672599470000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\\/dl.ac m.org\/doi\/10.1145\/3451395“}}”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2021,5,19]]}，”引用计数“：41，”日志发布“：}”问题“：“6”，”发布发布“：｛”日期部件“：[2021,6,28]]}}，“alternative-id”：[“10.1145\/3451395”]，“URL”：“http://\/dx.doi.org\/10.1145\/345395”，“关系”：{}，“：[”1556-4681“，”1556-472X“]，”ISSN-type“：[{”value“：”1556-46081“，“type”：”print“}，{”value“：“1556-472X”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2021,5,19]]}，“assertion”：[{“value”：”2020-07-01“，“order”：0，“name”：“received”，“label”：“received”，”group“：{”name“：”publication_history“，”label“：”publication history“}}}，{“value”：“已接受”，“组”：{“名称”：publication_history”，“label”：“出版历史”｝｝，｛“value”：“2021-05-19”，“order”：2，“name”：“published”，“label”：“published”，“group”：｛“name”：“publication_history”，“label”：“出版历史”｝｝]｝