信息技术
信息技術
신식기술
INFORMATION TECHNOLOGY
2012年
9期
140-142,146
,共4页
非负矩阵集分解%双线性型%SVD%图像描述%特征提取
非負矩陣集分解%雙線性型%SVD%圖像描述%特徵提取
비부구진집분해%쌍선성형%SVD%도상묘술%특정제취
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.基于双线性型的非负矩阵集分解(bilinear form-based non-negative matrix set factorization,BFBNMSF)是对NMF的扩展,处理数据矩阵集时,BFBNMSF比NMF描述力强、推广性好.但BFBNMSF在初始化时使用随机分布,为使BFBNMSF更快收敛,该文提出一种基于奇异值分解(Singular value decomposition,SVD)初始化的BFBNMSF,即SVD-BFBNMSF,对系数矩阵进行初始化,已达到快速收敛的目的.实验结果表明:与传统BFBNMSF比较,该方法在收敛速度确有所改善.
非負矩陣分解(non-negative matrix factorization,NMF)是一種常用的非負多元數據描述方法.處理數據矩陣集時,NMF描述力不彊、推廣性差.基于雙線性型的非負矩陣集分解(bilinear form-based non-negative matrix set factorization,BFBNMSF)是對NMF的擴展,處理數據矩陣集時,BFBNMSF比NMF描述力彊、推廣性好.但BFBNMSF在初始化時使用隨機分佈,為使BFBNMSF更快收斂,該文提齣一種基于奇異值分解(Singular value decomposition,SVD)初始化的BFBNMSF,即SVD-BFBNMSF,對繫數矩陣進行初始化,已達到快速收斂的目的.實驗結果錶明:與傳統BFBNMSF比較,該方法在收斂速度確有所改善.
비부구진분해(non-negative matrix factorization,NMF)시일충상용적비부다원수거묘술방법.처리수거구진집시,NMF묘술력불강、추엄성차.기우쌍선성형적비부구진집분해(bilinear form-based non-negative matrix set factorization,BFBNMSF)시대NMF적확전,처리수거구진집시,BFBNMSF비NMF묘술력강、추엄성호.단BFBNMSF재초시화시사용수궤분포,위사BFBNMSF경쾌수렴,해문제출일충기우기이치분해(Singular value decomposition,SVD)초시화적BFBNMSF,즉SVD-BFBNMSF,대계수구진진행초시화,이체도쾌속수렴적목적.실험결과표명:여전통BFBNMSF비교,해방법재수렴속도학유소개선.
