双线性型非负矩阵集分解.docVIP

PAGE PAGE 9 《计算机学报》2009年8期 基于双线性型的非负矩阵集分解国家自然科学基金项国家自然科学基金项李乐 章毓晋 （清华信息科学与技术国家实验室，北京100084；清华大学电子工程系，北京100084） 摘 要: 非负矩阵分解（non-negative matrix factorization，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)的概念，并在NMSF的框架下系统研究了基于双线性型的非负矩阵集分解（bilinear form-based non-negative matrix set factorization，BFBNMSF)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 L