非负矩阵分解.pptx

Algorithms for Non-negative Matrix Factorization精读报告背景 在科学研究中，矩阵是最常被使用到的一种处理海量数据的数学表达方式。然而，数据直接对应的矩阵信息分布往往不均匀且维度极大，计算时效率不高。为了解决这个问题，科学家们提出了矩阵分解这一概念。 Daniel D. Lee和H. Sebastian Seung于1999年提出了非负矩阵分解算法（Al-gorithms for Non-negative Matrix Fact-orization, NMF），它是矩阵分解最基本的方法之一。基本思想寻找非负矩阵?？?非负矩阵Yes得到分解因子No以乘法规则更新W（或H）代价函数使用某些测度方法来量化相似结果的质量1.最小化欧氏距离 2.最小化K-L离散度更新规则定理 1欧氏距离||V-WH||在如下的更新规则下非增定理 2K-L散度D(V||WH)在如下的更新规则下非增收敛性证明首先，引入辅函数的概念：定义 1：当 ， 时，是 的辅函数。推理 1若G是F的辅函数，那么F在如下的更新规则下非增(1)证明：当且仅当 是 的极小值时成立。每次迭代更新h后的F(h)均比前一次小。h推理 2令 为对角矩阵：(2)则(3)是如下函数的辅函数(4)证明：显见G