×
陈勇勇；徐方芳

正交非负矩阵分解的随机化算法。 （英语） Zbl 1524.68438号

《运营杂志》。Res.Soc.中国 第2期第11期，327-345页（2023年）.
摘要：正交非负矩阵分解（ONMF）广泛应用于盲图像分离、文档分类和人脸识别。采用交替方向乘子法和分层交替最小二乘法可以有效地求解ONMF模型。当给定的矩阵很大时，计算和通信的成本太高。因此，ONMF在大规模环境中具有挑战性。随机投影是一种有效的降维方法。本文将随机投影应用于ONMF，并提出了两种随机算法。数值实验表明，我们提出的算法在模拟数据和实际数据上都表现良好。

MSC公司：

68瓦20 随机算法
15A23型 矩阵的因式分解
90 C90 数学规划的应用

关键词：

正交非负矩阵分解；随机投影法；降维；增广拉格朗日方法；分层交替最小二乘算法

软件：

rsvd公司；兰德NLA
PDF格式BibTeX公司 XML格式引用
\textit{Y.-Y.Chen}和textit{F.-F.Xu}，J.Oper。中国研究院11，No.2，327--345（2023；Zbl 1524.68438）
全文： 内政部

参考文献：

[1] Choi，S.：正交非负矩阵分解算法。IEEE国际神经网络联合会议。第1828-1832页。IEEE出版社，香港（2008）
[2] Ding，C.，Li，T.，Peng，W.，Park，H.：聚类的正交非负矩阵分解。摘自：第十二届ACM SIGKDD国际知识发现和数据挖掘会议，第126-135页。ACM出版社，费城（2006）
[3] Li，X.，Cui，G.，Dong，Y.：基于判别和正交子空间约束的非负矩阵分解。ACM事务处理。智力。系统。Technol公司。第65条（2019年）第9（6）款
[4] Mirzal，A.：用于盲图像分离的正交非负矩阵分解。摘自：国际视觉信息学会议，第25-35页。查姆施普林格（2013）
[5] 托利克，D。；Antulov-Fantulin，N。；Kopriva，I.，子空间聚类的非线性正交非负矩阵分解方法，模式识别。，82, 40-55 (2018) ·doi:10.1016/j.patcog.2018.04.029
[6] 温，Z。；Yin，W.，一种具有正交约束的可行优化方法，数学。程序。，142, 1, 397-434 (2013) ·Zbl 1281.49030号 ·doi:10.1007/s10107-012-0584-1
[7] 李，B。；周，G。；Cichocki，A.，近似正交非负矩阵分解的两种有效算法，IEEE信号处理。莱特。，22, 7, 843-846 (2015) ·doi:10.1109/LSP.2014.2371895
[8] 李，P。；Bu，J。；Yang，Y。；吉·R。；陈，C。；Cai，D.，具有数据表示灵活性的判别正交非负矩阵分解，专家系统。申请。，41, 4, 1283-1293 (2017) ·doi:10.1016/j.eswa.2013.08.026
[9] 李，Z。；吴，X。；Peng，H.，正交子空间上的非负矩阵分解，模式识别。莱特。，31, 9, 905-911 (2010) ·doi:10.1016/j.patrec.2009.12.023
[10] Mirzal，A.，正交非负矩阵分解的收敛算法，J.Compute。申请。数学。，260, 2, 149-166 (2014) ·Zbl 1293.65066号 ·doi:10.1016/j.cam.2013.09.022
[11] Ye，J.，Jin，Z.：带光滑L_0范数约束的正交子空间上的非负矩阵分解。作者：Yang，J.，Fang，F.，Sun，C.（编辑）《智能科学与智能数据工程》，IScIDE 2012。计算机科学讲义，第7751卷。柏林施普林格出版社（2013）
[12] Yoo，J。；Choi，S。；杨，J。；方，F。；Sun，C.，正交非负矩阵分解：Stiefel流形上的乘法更新，智能数据工程和自动学习-IDEAL 2008，140-147（2008），大田：Springer，大田·doi:10.1007/978-3-540-88906-9_18
[13] 蓬皮利，F。；吉利斯，N。；Absil，宾夕法尼亚州；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
[14] 金，QG；Liang，GL，非负矩阵分解的快速分层交替非负最小二乘算法，计算。模拟。，174-185年11月29日（2012年）
[15] Kimura，K。；Kudo，M。；Tanaka，Y.，具有正交约束的Bregman散度中非负矩阵分解的列式更新算法，Mach。学习。，103, 2, 285-306 (2017) ·Zbl 1383.62178号 ·doi:10.1007/s10994-016-5553-0
[16] Kimura，K.，Tanaka，Y.，Kudo，M.：用于正交非负矩阵分解的快速分层交替最小二乘算法。In:Phung，D.，Li，H.（eds.）《第六届亚洲机器学习会议论文集》，第39卷，第129-141页（2014）
[17] 德里尼亚斯，P。；Mahoney，MW，Randnla：随机数值线性代数，Commun。ACM，59，6，80-90（2016）·doi:10.145/2842602
[18] 埃里克森，NB；Mendible，A。；Wihlborn，S。；Kutz，JN，随机非负矩阵分解，模式识别。莱特。，104, 1-7 (2018) ·doi:10.1016/j.patrec.2018.01.007
[19] Erichson，N.B.，Voronin，S.，Brunton，S.L.，Kutz，J.N.：使用R.J.Stat的随机矩阵分解，Softw 89（11），1-48（2019）。doi:10.18637/jss.v089.i11
[20] Halko，N。；马丁森，PG；Tropp，JA，《寻找随机性结构：构造近似矩阵分解的概率算法》，SIAM Rev.，53，2，217-288（2009）·Zbl 1269.65043号 ·数字对象标识代码：10.1137/090771806
[21] 加沙米，M。；自由，E。；菲利普斯，JM；伍德拉夫，DP，《频繁方向：简单而确定的矩阵草图》，SIAM J.Compute。，45, 5, 1762-1792 (2016) ·Zbl 1348.65075号 ·数字对象标识代码：10.1137/15M1009718
[22] 蒂珀，M。；Sapiro，G.，压缩非负矩阵分解快速准确，IEEE Trans。信号处理。，64, 9, 2269-2283 (2016) ·Zbl 1416.65121号 ·doi:10.1109/TSP.2016.2516971
[23] Lin，CJ，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
[24] 林，L。；Liu，ZY，非负矩阵分解的交替投影梯度算法，应用。数学。计算。，217, 24, 9997-10002 (2011) ·Zbl 1219.65036号 ·doi:10.1016/j.amc.2011.04.070
[25] 戴，YH；韩博士；袁，XM；Zhang，WX，可分离凸规划的拉格朗日乘子序列更新方案，数学。计算。，86, 315-343 (2017) ·Zbl 1348.90520号 ·网址：10.1090/com/3104
[26] 邓，W。；Yin，W.，关于乘数的广义交替方向法的全局和线性收敛性，J.Sci。计算。，66, 3, 889-916 (2016) ·Zbl 1379.65036号 ·doi:10.1007/s10915-015-0048-x
[27] Sun，D。；Toh，KC；Yang，L.，具有\（4）型约束的圆锥规划的一种收敛的三块半近端交替方向乘法器方法，SIAM J.Optim。，25, 882-915 (2015) ·兹伯利1328.90083 ·数字对象标识代码：10.1137/140964357
[28] 吴，Z。；Li，M。；王，DZW；Han，D.，可分离非凸极小化问题的对称交替方向乘法器方法，亚太地区。《运营杂志》。第34、6、1-27号决议（2017年）·Zbl 1383.90028号 ·doi:10.1142/S021759591750300
[29] 杨，J。；Zhang，Y.，压缩传感中（ell_1）问题的交替方向算法，SIAM J.Sci。计算。，33, 1, 250-278 (2009) ·Zbl 1256.65060号 ·数字对象标识代码：10.1137/09077761
[30] 王，X。；谢，X。；Lu，L.，正交非负矩阵分解的有效初始化，J.Compute。数学。，30, 1, 34-46 (2012) ·兹比尔1265.15028 ·doi:10.4208/jcm.1110-m11si10
[31] Nie，F.，Xu，D.，Li，X.：使用主动自训练方法初始化独立聚类。IEEE传输。系统。人类网络。B网络。42(1), 17-27 (2012)
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。