孙，李;韩聪颖;刘子文 高光谱分解中非负矩阵分解的主动集型算法。 （英语） Zbl 1435.90132号 数学。问题。工程师。 2019年，文章ID 9609302，第10页（2019年）. 摘要：高光谱分解是一种有效的遥感图像挖掘方法，它可以识别组成物质并估计混合物中相应的组分。我们考虑了非负矩阵分解（NMF）在光谱数据挖掘和分析中的应用。在本文中，我们开发了两种有效的用于高光谱分解的主动集型NMF算法。由于分解中使用的因子矩阵具有稀疏特征，因此主动集策略有助于降低计算成本。这些用于NMF的主动集型算法基于交替非负约束最小二乘（ANLS），并在合理假设下实现二次收敛速度。最后，数值测试表明，这些算法运行良好，函数值的下降速度比其他算法更快。 引用于1文件 MSC公司： 90立方 非线性规划 65千5 数值数学规划方法 65层99 数值线性代数 软件：NeNMF公司 PDF格式BibTeX公司 XML格式引用 \textit{L.Sun}等人，数学。问题。2019年工程，文章ID 9609302，10 p.（2019；Zbl 1435.90132） 全文： 内政部 参考文献： [1] Bioucas-Dias，J.M。；A广场。；Dobigeon，N.，《高光谱解混概述：基于几何、统计和稀疏回归的方法》，IEEE应用地球观测和遥感选定主题期刊，5，2，354-379（2012）·doi:10.1109/jstars.2012.2194696 [2] Berry，M.W。；布朗，M。；A.N.兰维尔。；Pauca，V.P。；Plemmons，R.J.，近似非负矩阵分解的算法和应用，计算统计与数据分析，52，1，155-173（2007）·Zbl 1452.90298号 ·doi:10.1016/j.csda.2006.11.006 [3] Lee，D.D。；Seung，H.S.，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 [4] Lin，C.-J.，非负矩阵分解的投影梯度法，神经计算，19，10，2756-2779（2007）·Zbl 1173.90583号 ·doi:10.1162/neco.2007.19.10.2756 [5] 兹杜内克，R。；Cichocki，A.，使用投影梯度方法解决大规模问题的快速非负矩阵分解算法，计算智能与神经科学，2008（2008）·doi:10.1155/2008/939567 [6] 关，N。；陶，D。；罗，Z。；Yuan，B.，NeNMF:非负矩阵分解的最优梯度法，IEEE信号处理学报，60，6，2882-2898（2012）·Zbl 1391.65115号 ·doi:10.1109/tsp.2012.2190406 [7] 李，X。；张伟。；Dong，X.，一类改进的FR共轭梯度法及其在非负矩阵分解中的应用，计算机与数学及其应用，73，2，270-276（2017）·Zbl 1368.65097号 ·doi:10.1016/j.camwa.2016.11.017 [8] 黄，Y。；刘，H。；Zhou，S.，非负矩阵分解的有效单调投影Barzilai-Borwein方法，应用数学快报，45，12-17（2015）·Zbl 1325.15007号 ·doi:10.1016/j.aml.2015.01.003 [9] Gillis，N。；Glineur，F.，非负矩阵分解的加速乘法更新和分层ALS算法，神经计算，24，4，1085-1105（2012）·doi:10.1162/necoa_00256 [10] Hoyer，P.O.，非负稀疏编码，第12届IEEE信号处理神经网络研讨会论文集 [11] Hoyer，P.O.，稀疏约束下的非负矩阵分解，机器学习研究杂志，51457-1469（2004）·Zbl 1222.68218号 [12] 贾，S。；Qian，Y.，用于高光谱分解的约束非负矩阵分解，IEEE地球科学与遥感汇刊，47，1，161-173（2009）·doi:10.1109/tgrs.2008.2002882 [13] 他，W。；张，H。；Zhang，L.，用于高光谱解混的稀疏正则化鲁棒非负矩阵因子分解，IEEE应用地球观测和遥感选题期刊，9，9，4267-4279（2016）·doi:10.1109/jstars.2016.2519498 [14] 他，W。；张，H。；Zhang，L.，高光谱解混的总变差正则化加权稀疏非负矩阵分解，IEEE地球科学与遥感汇刊，55，7，3909-3921（2017）·doi:10.1109/tgrs.2017.2683719 [15] Khoshsokhan，S。；拉贾比，R。；Zayyani，H.，高光谱数据的稀疏约束分布式分解，IEEE应用地球观测和遥感选定主题期刊，12，4，1279-1288（2019）·doi:10.1109/jstars.2019.2901122 [16] Khoshsokhan，S。；拉贾比，R。；Zayyani，H.，《稀疏约束下高光谱数据的分布式分解》，国际摄影测量、遥感和空间信息科学档案馆（2017年） [17] 蔡，D。；何，X。；吴，X。；Han，J.，流形上的非负矩阵分解，2008年IEEE第八届数据挖掘国际会议论文集 [18] 蔡，D。；何，X。；Han，J。；Huang，T.S.，用于数据表示的图正则化非负矩阵分解，IEEE模式分析和机器智能汇刊，33，8，1548-1560（2011）·doi:10.1109/tpami.2010.231 [19] 拉贾比，R。；Ghassemian，H.，用于高光谱数据光谱分解的稀疏约束图正则化NMF，印度遥感学会期刊，43，2，269-278（2015）·doi:10.1007/s12524-014-0408-2 [20] 丁，C。；李·T。；彭，W。；Park，H.，聚类的正交非负矩阵T分解，第12届ACM SIGKDD国际知识发现和数据挖掘会议论文集 [21] 沙赫特纳，R。；佩佩尔，G。；汤姆，A.M。；Lang，E.W.，非负矩阵分解的最小行列式约束，独立分量分析和信号分离，106-113（2009），德国柏林：施普林格，德国柏林·Zbl 1301.65031号 ·doi:10.1007/978-3642-00599-2_14 [22] 拉贾比，R。；Ghassemian，H.，使用多层NMF对高光谱图像进行光谱分解，IEEE Geoscience and Remote Sensing Letters，12，1，38-42（2015）·doi:10.1109/lgrs.2014.2325874 [23] 李，X。；沈，X。；舒，Z。；Ye，Q。；赵，C.，用于数据表示的图形正则化多层概念分解，神经计算，238139-151（2017）·doi:10.1016/j.neucom.2017.01.045 [24] X.-R.冯。；李，H.-C。；李，J。；杜琪。；A广场。；Emery，W.J.，使用稀疏约束深度非负矩阵分解和总变差的高光谱解混，IEEE地球科学与遥感汇刊，56，10，6245-6257（2018）·doi:10.10109/tgrs.2018.284567 [25] Khoshsokhan，S。；拉贾比，R。；Zayyani，H.，用于高光谱数据光谱解混的聚类多任务非负矩阵分解，应用遥感杂志，13，2（2019）·doi:10.1117/1.jrs.13.026509 [26] 林，C。；Pang，M.，带稀疏编码的图正则化非负矩阵分解，工程数学问题，2015（2015）·Zbl 1394.68299号 ·doi:10.1155/2015/239589 [27] 戴晓刚。；李，C.D。；Xiang，B.Q.，基于惯性投影神经网络的图稀疏非负矩阵分解算法，复杂性，2018（2018）·Zbl 1398.65080号 ·doi:10.1155/2018/2743678 [28] 林，C.-H。；马，W.-K。；李，W.C。；Chi，C.-Y。；Ambikapathi，A.，盲高光谱分解的单纯形体积最小化标准的可识别性：无像素情况，IEEE地球科学与遥感汇刊，53，10，5530-5546（2015） [29] Arngren，M。；施密特，M.N。；Larsen，J.，使用贝叶斯非负矩阵因式分解和体积先验对高光谱图像进行分解，《信号处理系统杂志》，65，3，479-496（2011）·doi:10.1007/s11265-010-0533-2 [30] Yu，Z.Z。；Liu，Y.H。；李，B。；庞，S.C。；Jia，C.C.，用于人脸识别的增量图调节非负矩阵分解，应用数学杂志，2014（2014）·Zbl 1442.68217号 ·doi:10.1155/2014/928051 [31] 苗，L。；Qi，H.，使用最小体积约束非负矩阵分解从高度混合数据中提取端元，IEEE地球科学与遥感汇刊，45，3，765-777（2007）·doi:10.1109/tgrs.2006.888466 [32] 北阿赫塔。；Mian，A.，RCMF:用于高光谱解混的鲁棒约束矩阵分解，IEEE地球科学与遥感汇刊，55，633534-3366（2017）·doi:10.1109/tgrs.2017.2669991 [33] 蓬皮利，F。；Gillis，N。；Absil，P.-A.公司。；Glineur，F.，正交非负矩阵分解的两种算法及其在聚类中的应用，神经计算，141，15-25（2014）·doi:10.1016/j.neucom.2014.02.018 [34] Li，Z。；吴，X。；Peng，H.，正交子空间上的非负矩阵分解，模式识别快报，31，9，905-911（2010）·doi:10.1016/j.patrec.2009.12.023 [35] 扎杜克，R。；Cichocki，A.，二次规划的非负矩阵分解，神经计算，71，10-12，2309-2320（2008）·doi:10.1016/j.neucom.2007.01.013 [36] 赖，S.Z。；Li，H.B。；Zhang，Z.T.，非负矩阵分解的对称秩一拟Newton方法，ISRN应用数学，2014（2014）·Zbl 1298.65101号 ·doi:10.1155/2014/846483 [37] 龚，P。；Zhang，C.，通过投影牛顿法实现高效非负矩阵分解，模式识别，45，9，3557-3565（2012）·Zbl 1242.68270号 ·doi:10.1016/j.patcog.2012.02.037 [38] Zdunk，R.，正则化非负矩阵分解：几何解释及其在光谱分解中的应用，国际应用数学与计算机科学杂志，24，2，233-247（2014）·Zbl 1293.65058号 ·doi:10.2478/amcs-2014-0017 [39] Kim，H。；Park，H.，基于交替非负约束最小二乘和活动集方法的非负矩阵分解，SIAM矩阵分析与应用杂志，30，2，713-730（2008）·Zbl 1162.65354号 ·数字对象标识码：10.1137/07069239x [40] 张，C。；Jing，L。；Xiu，N.，非负矩阵分解的一种新的活动集方法，SIAM科学计算杂志，36，6，A2633-A2653（2014）·Zbl 1314.65060号 ·doi:10.1137/130930212 [41] Sun，L。；他，G.P。；Wang，Y.L。；周春云，用于大规模有界约束优化的精确主动集牛顿法，数学应用，56，3，297-314（2011）·Zbl 1224.90177号 ·doi:10.1007/s10492-011-0018-z [42] Sun，L。；He，G。；Wang，Y。；Fang，L.，带边界约束极小化投影搜索的活动集拟Newton方法，计算机与数学应用，58，1，161-170（2009）·Zbl 1189.90160号 ·doi:10.1016/j.camwa.2009.03.085 [43] Sun，L。；方，L。；He，G.P.，基于乘数函数或梯度的主动集策略，数学应用，50，4，291-304（2010）·Zbl 1224.90176号 ·doi:10.1007/s10492-010-0022-8 [44] Pauca，V.P。；派珀，J。；Plemmons，R.J.，用于谱数据分析的非负矩阵分解，线性代数及其应用，416，1，29-47（2006）·Zbl 1096.65033号 ·doi:10.1016/j.laa.2005.06.025 [45] R兄弟。；De Jong，S.，快速非负约束最小二乘算法，化学计量学杂志，11，5，393-401（1997）·doi:10.1002/（sici）1099-128x（199709/10）11:5<393:：aid-cem483>3.0.co；2升 [46] Benthem，M.H.V。；Keenan，M.R.，求解大规模非负约束最小二乘问题的快速算法，化学计量学杂志，18，10，441-450（2004）·doi:10.1002/厘米.889 [47] Bertsekas，D.P.，简单约束优化问题的投影牛顿法，SIAM控制与优化杂志，20，2，221-246（1982）·Zbl 0507.49018号 ·doi:10.1137/0320018 [48] 格里波，L。；Sciandone，M.，关于凸约束下块非线性Gauss-Seidel方法的收敛性，《运筹学快报》，26，3，127-136（2000）·Zbl 0955.90128号 ·doi:10.1016/s0167-6377（99）00074-7 [49] 朱，F。；Wang，Y。；项，S。；风扇，B。；Pan，C.，用于高光谱分解的结构化稀疏方法，ISPRS摄影测量与遥感杂志，88，101-118（2014年2月）·doi:10.1016/j.isprsjprs.2013.11.014 [50] 朱，F。；Wang，Y。；风扇，B。；项，S。；Meng，G。；Pan，C.，通过数据引导稀疏性进行光谱分解，IEEE图像处理汇刊，23，12，5412-5427（2014）·Zbl 1374.94475号 ·doi:10.1109/tip.2014.2363423 [51] 朱，F。；Wang，Y。；风扇，B。；Meng，G。；Pan，C.，通过鲁棒表示和基于学习的稀疏性进行的有效频谱分解，http://arxiv.org/abs/1409.0685v3 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。