×
岳阳滕;姚宇东;齐寿良;李，陈;徐立胜;钱伟;范凤蕾;王，葛

一种新的NMF方法框架，通过实验对信号进行分解和特征表示。 （英语） Zbl 1483.65074号

J.计算。申请。数学。 362, 205-218 (2019).
摘要：非负矩阵分解（NMF）可以用于聚类、特征表示或盲源分离。已经开发了许多NMF方法，包括最小二乘（LS）误差、Kullback-Leibler（KL）散度、Itakura-Saito（IS）散度和Bregman散度、α散度、β散度、γ散度、凸的、约束的、图形规则化NMF。本文的主要贡献是开发了一个框架来推广现有的NMF方法，并提供了新的NMF算法。本文构建了一个通用优化模型，并使用代理函数开发了一个结构简单的通用更新规则，该更新规则具有与标准NMF方法相似的特性。使用几个标准数据库获得的实验结果表明，某些新方法的性能优于其他现有方法，这项工作的威力很大。

MSC公司：

65英尺99英寸 数值线性代数
15A23型 矩阵的因式分解
65千5 数值数学规划方法
90C26型 非凸规划，全局优化
90 C90 数学规划的应用

关键词：

框架;一般化;非负矩阵分解;代理

软件：

UCI-毫升;线圈-20
PDF格式BibTeX公司 XML格式引用
\textit{Y.Teng}等人，J.Compute。申请。数学。362205--218（2019年；Zbl 1483.65074）
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部分，自然，401788-791（1999）·Zbl 1369.68285号
[2] D.D.Lee，H.S.Seung，非负矩阵分解算法，摘自：神经信息处理系统进展，美国科罗拉多州丹佛市，2000年，第556-562页。；D.D.Lee，H.S.Seung，非负矩阵分解算法，载于：神经信息处理系统进展，美国科罗拉多州丹佛市，2000年，第556-562页。
[3] Shahnaz，F。；Berry，M.W。；Pauca，V.P。；Plemmons，R.J.，使用非负矩阵因式分解的文档聚类，Inf.Process。管理。，42, 373-386 (2006) ·Zbl 1087.68104号
[4] Pauca，V.P。；派珀，J。；Plemmons，R.J.，光谱数据分析的非负矩阵分解，线性代数应用。，416, 29-47 (2006) ·Zbl 1096.65033号
[5] 贾，S。；Qian，Y.，高光谱分解的约束非负矩阵分解，IEEE Trans。地质科学。遥感，47，161-173（2009）
[6] I.S.Dhillon，S.Sra，带Bregman发散的广义非负矩阵近似，收录于：神经信息处理系统，加拿大温哥华，2005年，第283-290页。；I.S.Dhillon，S.Sra，带Bregman发散的广义非负矩阵近似，收录于：神经信息处理系统，加拿大温哥华，2005年，第283-290页。
[7] Cichocki，A。；扎杜克，R。；Amari，S.，《非负矩阵因式分解的Csizar发散：新算法家族》，《计算讲义》。科学。，3889, 32-39 (2006) ·Zbl 1178.94057号
[8] Chichocki，A。；Lee，H。；Kim，Y.D。；Choi，S.J.，带α-发散的非负矩阵分解，模式识别。莱特。，1433-1440年（2008年）
[9] 费沃特，C。；Bertin，N。；Durrieu，J.，带Itakura-Saito发散的非负矩阵分解：在音乐分析中的应用，神经计算。，2, 793-830 (2009) ·Zbl 1156.94306号
[10] Hoyer，P.，稀疏约束下的非负矩阵分解，J.Mach。学习。第5号决议，1457-1469（2004年）·Zbl 1222.68218号
[11] Cichocki，A。；阿玛里，S。；扎杜克，R。；康帕斯，R。；Hori，G。；He，Z.，非负矩阵分解的扩展智能算法，Lect。注释计算。科学。，4029, 548-562 (2006)
[12] 海勒，M。；Schnorr，C.，通过非负矩阵分解和序列锥规划学习稀疏表示，J.Mach。学习。第7号决议，1385-1407（2006）·兹比尔1222.68214
[13] 蓬皮利，F。；吉利斯，N。；Absil，P.A。；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）
[14] Lee，H。；Yoo，J。；Choi，S.，半监督非负矩阵分解，IEEE信号处理。莱特。，17, 4-7 (2010)
[15] 丁，C。；李·T。；Jordan，M.I.，凸和半非负矩阵分解，IEEE Trans。模式分析。机器。智力。，32, 45-55 (2010)
[16] 刘，H。；吴，Z。；李，X。；蔡，D。；Huang，T.S.，图像表示的约束非负矩阵分解，IEEE Trans。模式分析。机器。智力。，34, 1299-1311 (2012)
[17] 蔡，D。；韩晓和，J。；Huang，T.S.，数据表示的图正则化非负矩阵分解，IEEE Trans。模式分析。机器。智力。，33, 1548-1560 (2011)
[18] 王，D。；高，X。；Wang，X.，通过约束传播的半监督非负矩阵分解，IEEE Trans。赛博。，46, 233-244 (2016)
[19] Meng，Y。；Shang，R。；Jiao，L。；张伟。；Yang，S.，具有稀疏和正交约束的对偶图正则化非负矩阵分解，工程应用。Artif公司。智力。，69, 24-35 (2018)
[20] Meng，Y。；Shang，R。；Jiao，L。；张伟。；袁，Y。；Yang，S.，基于特征选择的局部判别聚类的双粒度稀疏非负矩阵分解，神经计算，29087C99（2018）
[21] Shang，R。；Wang，W。；斯托尔金，R。；Jiao，L.，基于非负谱学习和稀疏回归的双粒度正则化特征选择，IEEE Trans。赛博。，48793-806（2018）
[22] 胡，W。；Choi，K。；王，P。；江，Y。；王，S.，带流形正则化的凸非负矩阵分解，神经网络。，63, 94-103 (2015) ·Zbl 1327.65052号
[23] 埃西德，S。；Fevotte，C.，无监督视听文档结构的平滑非负矩阵分解，IEEE Trans。多媒体，15，415-425（2013）
[24] Herman，G.T.，《从投影重建图像：计算机断层成像的基础》（1980），学术出版社：美国纽约学术出版社·Zbl 0538.92005号
[25] Green，P.，使用改进的em算法对发射层析成像数据进行贝叶斯重建，IEEE Trans。医学成像，984-93（1990）
[26] 兰格，K。；亨特·D·R。；Yang，I.，使用替代目标函数的优化转移，J.Compute。图表。统计人员。，9, 1-20 (2000)
[27] Teng，Y.Y。；齐，S.L。；戴，Y。；徐，L.S。；钱，W。；Kang，Y.，带共性提取的半监督非负矩阵分解，神经过程。莱特。(2016)
[28] F.S.Samaria，A.C.Harter，人脸识别随机模型的参数化，摘自：IEEE第二届计算机视觉应用研讨会论文集，美国佛罗里达州萨拉索塔，1994年，第5-7页。；F.S.Samaria，A.C.Harter，人脸识别随机模型的参数化，摘自：IEEE第二届计算机视觉应用研讨会论文集，美国佛罗里达州萨拉索塔，1994年，第5-7页。
[29] Bell肱，P.N。；赫斯帕尼亚，J。；Kriegman，D.，《特征脸与渔夫脸：使用特定类别线性投影的识别》，IEEE Trans。模式分析。机器。智力。，17, 711-720 (1997)
[30] Graham，D.B。；Allinson，N.M.，《通用人脸识别虚拟特征签名的特征化》，（人脸识别：从理论到应用。人脸识别：理论到应用，北约ASI系列F，计算机和系统科学（1980），Springer-Verlag:Springer-Verlag Berlin，DE）
[31] Lichman，M.，UCI机器学习库（2013），加利福尼亚大学欧文分校信息与计算机科学学院，URLhttp://archive.ics.uci.edu/ml
[32] Nene，S.A。；Nayar，S.K。；Murase，H.，哥伦比亚物体图像库（COIL-20）（1996）
[33] F.F.Lee，R.Fergus，P.Perona，从少数训练示例中学习生成性视觉模型：在101个对象类别上测试的增量贝叶斯方法，载于：2004年计算机视觉和模式识别研讨会会议记录，美国华盛顿，2004年。；F.F.Lee，R.Fergus，P.Perona，从少数训练示例中学习生成性视觉模型：在101个对象类别上测试的增量贝叶斯方法，载于：2004年计算机视觉和模式识别研讨会会议记录，美国华盛顿，2004年。
[34] Hull，J.J.，《手写文本识别研究数据库》，IEEE Trans。模式分析。机器。智力。，16, 550-554 (1994)
[35] Lovasz，L。；普卢默，M.，匹配理论（1986），爱思唯尔科学：荷兰阿姆斯特丹·兹比尔0618.05001
[36] 蔡，D。；何，X。；Han，J.，使用局部保持索引的文档聚类，IEEE Trans。知识。数据工程，17，1624-1637（2005）
[37] Shang，R。；刘，C。；Meng，Y。；Jiao，L.，带秩正则化和硬约束的非负矩阵分解，神经计算。，29, 2553-2579 (2017) ·Zbl 1419.65007号
[38] 费多罗夫，I。；Nalci，A。；Giri，R。；Rao，B.D。；Nguyen，T.Q。；Garudadri，H.，使用乘法更新和非负矩阵分解问题的稀疏非负最小二乘的统一框架，信号处理。，146, 79-91 (2018)
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。