matlab练习程序（非负矩阵分解）.pdfVIP

matlab练练习习程程序序 （（⾮⾮负负矩矩阵阵分分解解）） 　　这个算法是Lee和Seung在1999年发表在nature杂志上的。具体论 看这⾥：。 　　看不懂英 没关系，可以看这个中 的介绍：。 　　原理上⾯两篇 章已经很清楚了，我在按⾃⼰的理解介绍⼀下吧。 　　通常矩阵分解如svd或其他什么的分解都会把矩阵分解为有正有负的矩阵，⽽他的这种分解⽅法就把矩阵完全分解成只有正数的矩阵， 因为现实世界中如图像，负数是没什么意义的，所以这种只分解为正数矩阵的分解⽅法就很有意义了，要不也不会发在nature这样⽜B的杂 志上。 　　这⾥是分解的公式： 　　这⾥r是分解矩阵的秩，V是原矩阵的⼀个近似，W与H就是分解⽽成的两个矩阵。 　　下⾯是W和H的求法，是⼀个迭代算法，初始的W与H是随机的就⾏了： 　　 　　关于代码，我借鉴了这个博客的：，真是太感谢这位博主了。 　　下⾯是代码： clear all; close all; clc ; V=double(imread(lena.j g)); imshow(mat2gray (V)); [i u]=size(V); %计算V的规格 r=100; %设置分解矩阵的秩 W=rand(i,r); %初始化WH，为⾮负数 H=rand(r,u); mav iter=100; %最⼤迭代次数 for iter=1:mav iter W=W.*((V./ (W*H))*H); %注意这⾥的三个公式和 中的是对应的 W=W./ (ones(i,1)*sum(W)); H=H.*(W*(V./ (W*H))); end img_V=W*H; figure; imshow(mat2gray (img_V)); 　　下⾯是原图和重构后的效果，如果秩和迭代次数越⼤，那么重构后的图越接近原图： 原图 重构图 因为这个是看⾃⼰相关⽅向论 偶然在⼀篇论 的引⽤中看到了这个算法，所以就稍微了解了⼀下，肯定有不妥的地⽅，就这样吧。