×
Serhat S.巴克。;船底喷枪

基于非负矩阵分解的增量子空间学习。 （英语） Zbl 1178.68395号

模式识别 42，第5号，788-797（2009）.
摘要：为了克服传统NMF在大数据集在线处理中的困难，我们引入了一种增量非负矩阵分解（INMF）方案。该方案能够通过适当地反映每个观测值对因子分解的影响来增量更新因子。这是通过加权成本函数实现的，该函数还允许控制因子分解的无记忆性。与传统NMF不同，INMF方案凭借其增量特性和加权成本函数，成功地利用了对动态数据内容变化的适应性，并且计算复杂度较低。两个视频应用（即视频监控中的背景建模和聚类）的测试结果表明，INMF能够在线表示数据内容，同时显著降低维数。

引用于5文件

MSC公司：

68T05年 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别
68第05页 数据结构

关键词：

增量子空间学习;非负矩阵分解;统计背景建模;视频内容表示;群集
PDF格式BibTeX公司 XML格式引用
\textit{S.S.Bucak}和\textit{B.Gunsel}，模式识别42，第5期，788--797（2009；Zbl 1178.68395）
全文： 内政部

参考文献：

[1] Jolliffe，I.T.，主成分分析（2002），Springer:Springer New York·Zbl 1011.62064号
[2] 沈杰。；Israel，G.W.，使用特定非负转换技术的大气气溶胶受体模型。环境。，23, 10, 2289-2298 (1989)
[3] Paatero，P。；Tapper，U.，正矩阵因子分解——一种最佳利用数据值误差估计的非负因子模型，Environmetrics，5111-126（1994）
[4] Lee，D.D。；Seung，H.S.，通过非负矩阵分解学习对象的各个部分，《自然》，401，788-791（1999）·Zbl 1369.68285号
[5] D.D.Lee，H.S.Seung，非负矩阵因式分解算法，收录于：《神经信息系统学报》，2000年，第942-948页。；D.D.Lee，H.S.Seung，非负矩阵分解算法，载《神经信息系统学报》，2000年，第942-948页。
[6] Hoyer，P.O.，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
[7] Pascual-Montano，A。；Carazo，J.M。；Kochi，K。；莱曼，D。；Pascual-Marqui，R.D.，非光滑非负矩阵分解，IEEE Trans。模式分析。机器。智力。，42, 403-415 (2006)
[8] A.Cichocki，R.Zdunk，S.Amari，盲源分离应用中非负矩阵分解的新算法，摘自：IEEE声学、语音和信号处理国际会议，法国图卢兹，2006年，第621-624页。；A.Cichocki，R.Zdunk，S.Amari，盲源分离应用中非负矩阵分解的新算法，收录于：IEEE声学、语音和信号处理国际会议，法国图卢兹，2006年，第621-624页。
[9] P.O.Hoyer，非负稀疏编码，收录于：IEEE Workshop Neural Networks for Signal Processing，Martigny，Switzerland，2002年，第557-565页。；P.O.Hoyer，非负稀疏编码，收录于：IEEE Workshop Neural Networks for Signal Processing，Martigny，Switzerland，2002年，第557-565页。
[10] S.Z.Li，X.Hou，H.Zhang，Q.Cheng，学习基于空间本地化部件的表示，收录于：IEEE计算机视觉和模式识别会议，美国夏威夷，2001年，第207-212页。；S.Z.Li，X.Hou，H.Zhang，Q.Cheng，学习基于空间本地化部件的表示，收录于：IEEE计算机视觉和模式识别会议，美国夏威夷，2001年，第207-212页。
[11] Lin，C.-J.，非负矩阵分解的投影梯度法，神经计算。，19, 2756-2779 (2007) ·兹比尔1173.90583
[12] S.Kim，I.S.Dhillon，《最小二乘非负矩阵逼近问题的快速牛顿型方法》，载于：第六届SIAM数据挖掘会议，美国明尼苏达州，2007年，第343-354页。；S.Kim，I.S.Dhillon，《最小二乘非负矩阵近似问题的快速牛顿型方法》，载于：第六届SIAM数据挖掘会议，美国明尼苏达州，2007年，第343-354页。
[13] D.Guillamet，J.Vitria，用于人脸识别的非负矩阵分解，载于：第五届加泰罗尼亚人工智能会议，2002年，第336-344页。；D.Guillamet，J.Vitria，人脸识别的非负矩阵分解，载于：第五届加泰罗尼亚人工智能会议，2002年，第336-344页·Zbl 1028.68642号
[14] P.Smaragdis，J.C.Brown，《多音音乐转录的非负矩阵分解》，收录于：IEEE音频和声学信号处理应用研讨会，美国纽约，2003年，第177-180页。；P.Smaragdis，J.C.Brown，《多音音乐转录的非负矩阵分解》，收录于：IEEE音频和声学信号处理应用研讨会，美国纽约，2003年，第177-180页。
[15] Fogel，P。；Young，S.S。；霍金斯博士。；Ledirac，N.，微阵列数据的推断稳健非负矩阵分解分析，生物信息学，23，44-49（2007）
[16] V.Monga，M.K.Mihcak，通过非负矩阵分解实现鲁棒图像散列，摘自：IEEE声学、语音和信号处理国际会议，法国图卢兹，2006年，第225-228页。；V.Monga，M.K.Mihcak，通过非负矩阵分解实现鲁棒图像散列，摘自：IEEE声学、语音和信号处理国际会议，法国图卢兹，2006年，第225-228页。
[17] 李振华，丁振华，各种非负矩阵因式分解聚类方法之间的关系，载：第六届IEEE数据挖掘国际会议，香港，2006，第362-371页。；T.Li，C.Ding，用于聚类的各种非负矩阵分解方法之间的关系，载于：第六届IEEE数据挖掘国际会议，香港，2006年，第362-371页。
[18] Li，Y.，关于增量和鲁棒子空间学习，模式识别，371509-1518（2004）·Zbl 1070.68591号
[19] S.S.Bucak，B.Gunsel，用增量非负矩阵分解表示视频内容，收录于：IEEE图像处理国际会议，美国圣安东尼奥，2007年，第113-116页。；S.S.Bucak，B.Gunsel，通过增量非负矩阵分解表示视频内容，收录于：IEEE图像处理国际会议，美国圣安东尼奥，2007年，第113-116页。
[20] S.S.Bucak，B.Gunsel，O.Gursoy，动态背景建模的增量非负矩阵分解，摘自：ICEIS信息系统模式识别国际研讨会，葡萄牙芬查尔，2007年，第107-116页。；S.S.Bucak，B.Gunsel，O.Gursoy，动态背景建模的增量非负矩阵分解，收录于：ICEIS信息系统模式识别国际研讨会，葡萄牙芬查尔，2007年，第107-116页。
[21] PETS视频数据库网址：http://ftp.pets.rdg.ac.uk/〉;.; PETS视频数据库http://ftp.pets.rdg.ac.uk/〉;.
[22] Yeo，B。；Liu，B.，压缩视频的快速场景分析，IEEE Trans。电路系统视频技术。，5, 533-544 (1995)
[23] J.Oostveen，T.Kalker，J.Haitsma，视频指纹特征提取和数据库策略，收录于：视觉信息系统最新进展国际会议，台湾，2002年，第117-128页。；J.Oostveen，T.Kalker，J.Haitsma，视频指纹特征提取和数据库策略，收录于：视觉信息系统最新进展国际会议，台湾，2002年，第117-128页·Zbl 1051.68762号
[24] TRECVID视频检索评估http://www.nlpir.nist.gov/projects/trecvid/〉;.; TRECVID视频检索评估http://www.nlpir.nist.gov/projects/trecvid/〉;.
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。