×
张忠元

非负矩阵分解的散度函数：一项比较研究。 （英语） Zbl 1227.62003年

Commun公司。统计、仿真计算。 40，第10期，1594-1612（2011）.
摘要：非负矩阵分解（NMF）由于其在无监督学习应用中的良好性能，已成为数据挖掘中最受欢迎的模型之一。最近，对NMF的各种发散函数进行了广泛的研究。但是，对于散度函数与应用之间的关系还缺乏分析。本文试图就这个有趣的问题给出一些初步结果。我们的实验表明，最常见的两个发散函数——最小二乘误差和（K）-（L）发散——能够胜任无监督学习，如基因表达数据聚类和图像处理。

引用于1文件

MSC公司：

62B10型 信息理论主题的统计方面
15A23型 矩阵的因式分解
68T05型 人工智能中的学习和自适应系统
90立方 非线性规划
90 C90 数学规划的应用

关键词：

盲源分离;群集;图像处理

软件：

海军陆战队
PDF格式BibTeX公司 XML格式引用
\textit{Z.-Y.张}，Commun。统计、仿真计算。40，第10号，1594--1612（2011；Zbl 1227.62003）
全文： 内政部

参考文献：

[1] DOI:10.1073/pnas.0308531101·doi:10.1073/pnas.0308531101
[2] Buciu I.，ISSCS 2009年信号、电路和系统国际研讨会，第125页–（2009）
[3] Buciu I.，第二届IEEE-EURASIP控制、通信和信号处理国际研讨会（2006年）
[4] Cichocki，A.、Zdunk，R.、Amari-ichi，S.（2006）。非负矩阵分解的Csiszár发散：新算法系列。柏林：施普林格出版社，第32-39页·Zbl 1178.94057号
[5] DOI:10.1016/j.patrec.2008.02.016·doi:10.1016/j.parec.2008.02.016
[6] Cichocki，A.，Amari-ichi，S.，Zdunk，R.，Kompass，R..，Hori，G.，He，Z.（2006年）。非负矩阵分解的扩展智能算法。国际人工智能和软计算会议（ICAISC2006）。波兰扎科帕内，第548-562页。
[7] Cichocki，A.、Zdunk，R.、Choi，S.、Plemmons，R.和Amari-ichi，S..（2007年）。使用α和β发散的非负张量因式分解。程序。IEEE声学、语音和信号处理国际会议（ICASSP07），第1393-1396页。
[8] Cichocki，A.，Zdunk，R.（2006）。NMFLAB-MATLAB非负矩阵分解工具箱。可用网址：http://www.bsp.brain.riken.jp/ICALAB/nmflab.html
[9] Cichocki A.，非负矩阵和张量因子分解：探索性多路数据分析和盲源分离的应用（2009）
[10] Dhillon，I.S.，Sra，S.（2005）。具有Bregman发散的广义非负矩阵逼近。神经信息处理系统年会。加拿大温哥华，第283-290页。
[11] DOI:10.1162/neco.2008.04-08-771·Zbl 1156.94306号 ·doi:10.1162/neco.2008.04-08-771
[12] Gonzalez，E.F.，Zhang，Y.（2005年）。加速非负矩阵分解的Lee Seung算法。技术报告TR-05-02，莱斯大学。
[13] 内政部：10.1007/3-540-36079-4_29·doi:10.1007/3-540-36079-4_29
[14] DOI:10.1016/S0893-6080（00）00026-5·doi:10.1016/S0893-6080（00）00026-5
[15] Kim，D.，Sra，S.，Dhillon，I.S.（2007年）。最小二乘非负矩阵逼近问题的快速牛顿型方法。SIAM数据挖掘会议记录。明尼阿波利斯，明尼苏达州，第343-354页。
[16] 内政部：10.1038/44565·Zbl 1369.68285号 ·doi:10.1038/44565
[17] Lee，D.D.，Seung，S.H.（2000年）。非负矩阵分解算法。神经信息处理系统年会。科罗拉多州丹佛，第556–562页。
[18] DOI:10.1016/j.artmed.2008.05.001·doi:10.1016/j.artmed.2008.05.001
[19] 内政部：10.1002/env.3170050203·doi:10.1002/env.3170050203
[20] Samaria，F.、Harter，A.（1994年）。人脸识别随机模型的参数化。程序。第二届IEEE计算机视觉应用研讨会。佛罗里达州萨拉索塔，第138-145页。
[21] DOI:10.1093/生物信息学/bti033·doi:10.1093/bioinformatics/bti033
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。