基于双线性型的非负矩阵集分解.docVIP

《计算机学报》2009年8期 基于双线性型的非负矩阵集分解 李乐 章毓晋 （清华大学电子工程系，北京100084actorization，NMF)是一种常用的非负多元数据描述方法。处理数据矩阵集时，NMF描述力不强、推广性差。为解决这两个问题，并保留NMF的好特性，本文提出了非负矩阵集分解（non-negative matrix set factorization，NMSF)（on-negative matrix set factorization，NMSF)和构造了单调下降的BFBNMSF算法。理论分析和实验结果均表明：处理数据矩阵集时，BFBNMSF比NMF描述力强、推广性好。由此可认为，此时BFBNMSF比NMF更善于抓住数据的本质特征。 关键字：非负矩阵集分解 双线性型 非负矩阵分解 多元数据描述 图像描述 特征提取 Bilinear Form-Based Non-negative Matrix Set Factorization Li Le, Zhang Yu-Jin （Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing 100084, ChinaDepartment of Electronic Engineering, Ts