内姆夫

NeNMF：非负矩阵分解的最优梯度法。非负矩阵分解（NMF）是一种强大的矩阵分解技术，它用两个低阶非负矩阵因子的乘积来逼近非负矩阵。它被广泛应用于信号处理、计算机视觉和数据挖掘。传统的NMF求解方法包括乘法更新规则（MUR）、投影梯度法（PG）、投影非负最小二乘法（PNLS）和活动集方法（AS）。然而，它们存在以下三个问题中的一个或几个：收敛速度慢、数值不稳定和不收敛。在本文中，我们提出一个新的有效的NeNMF解算器来同时克服上述问题。它应用Nesterov的最优梯度法来交替优化一个因子和另一个固定因子。特别地，在每一次迭代中，矩阵因子通过使用在智能选择的搜索点上执行的PG方法来更新，其中步长由Lipschitz常数确定。由于NeNMF在优化每个矩阵因子时不使用耗时的线搜索，并且以最快的速度收敛，因此在效率和逼近精度方面优于MUR和PG。与PNLS相比，在最坏的情况下，NeNMF克服了这一不足。此外，NeNMF还可用于求解-范数、-范数和流形正则化NMF，且收敛速度最快。在合成数据集和真实数据集上的数值实验表明，与典型的NMF解算器相比，NeNMF及其变体的效率更高。大量的文档聚类实验表明了NeNMF的有效性。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献33条)

显示第1到第20个结果，共33个。
按年份排序(引用)
  1. 雷帕特，瓦伦丁；吉利斯，尼古拉斯；Idier，Jérôme:不相交等式约束下具有（\beta）-发散的NMF的乘法更新（2021）
  2. 李婷；唐嘉义；Wan，Zhong:大矩阵非负因式分解的交替非单调投影Barzilai-Borwein算法（2021）
  3. 特波勒，马克；Vaisbourd，Yakov:稀疏约束下非负矩阵分解的新的近端梯度方法（2020）
  4. 安徒生文顺；Gillis，Nicolas:使用外推法加速非负矩阵分解算法（2019）
  5. 陈文胜；刘敬民；潘、彬彬；李玉高：用于人脸识别的块核非负矩阵分解（2019）
  6. 孙莉；汉，聪颖；刘子文：高光谱分解中非负矩阵分解的主动集型算法（2019）
  7. 康，凯；马鲁拉，瓦西里厄斯；希扎斯，约安尼斯；Bao，Feng:用于无线传感器网络跟踪的改进分布式粒子滤波器（2018）
  8. 北川高桥；Katayama、Jiro；塞基，Masato；Takeuchi，Jun'ichi:非负矩阵分解乘法更新规则的统一全局收敛性分析（2018）
  9. 阿尔奎尔，皮埃尔；Guedj，Benjamin:准贝叶斯非负矩阵分解的oracle不等式（2017）
  10. 周一天；吴天宇；尹华涛：不动点问题的循环坐标更新算法：分析与应用（2017）
  11. 阮，杜坤；Ho，Tu Bao:非负矩阵分解的有限内存并行分布式加速算法（2017）
  12. 本，池；王志远；杨学军；易晓东：用于图像特征提取和聚类的非负矩阵半张量分解（2016）
  13. 周一天；伊藤，卡祖夫米；邹军：非负矩阵分解及其应用分析（2016）
  14. 德瓦拉詹，卡提克；Cheung，Vincent C.K.：非负矩阵分解的准似然方法（2016）
  15. 乐泰，和安；哇，宣善；Dinh，Tao Pham:DC规划和DCA的有效非负矩阵分解（2016）
  16. 刘铜梁；陶，大成；Xu，Dong:（k）维编码方案的维数相关泛化界（2016）
  17. 邦马提酯；巴德拉，安东；博阿达，伊玛；费克斯，米克尔；Sbert，Mateu:基于控制过程的信息瓶颈方法的层次聚类（2015）
  18. 黄亚奎；刘宏伟；Zhou，Sha:非负矩阵分解的有效单调投影Barzilai-Borwein方法（2015）
  19. 黄亚奎；刘宏伟；周水生：非负矩阵分解的二次正则化投影Barzilai-Borwein方法（2015）
  20. 匡、阴；张磊；Yi，Zhang:利用递归神经网络构造子空间学习的图（Lˉ1）（2015）