广告
尼古拉斯·吉利斯,弗朗索瓦·格利尼;非负矩阵分解的加速乘法更新和层次ALS算法。神经计算机2012; 24 (4): 1085–1105. 数字对象标识:https://doi.org/10.1162/NECO_a_00256
下载引文文件:
非负矩阵分解(NMF)是一种数据分析技术,广泛应用于文本挖掘、图像处理、高光谱数据分析、计算生物学和聚类等领域,我们考虑了两种用于解决NMF问题的著名算法:Lee和Seung的乘法更新和Cichocki等人的分层交替最小二乘。我们在仔细分析每次迭代所需的计算成本的基础上,提出了一种显著加速这些方案的简单方法,同时保持其收敛性。这种加速技术也可以应用于其他算法,我们在Lin的投影梯度法中进行了说明。加速算法的效率在图像和文本数据集上得到了实证证明,并与最先进的交替非负最小二乘算法进行了比较。
Captcha验证错误。请重试。
登录或创建帐户