计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
2期
64-67
,共4页
投影非负矩阵分解%核函数%多核学习
投影非負矩陣分解%覈函數%多覈學習
투영비부구진분해%핵함수%다핵학습
Projective nonnegative matrix factorization%Kernel function%Multi-kernel learning
非负矩阵分解(NMF)把给定的数据矩阵分解成低维的非负基矩阵和对应的系数矩阵,两者之间存在必然联系.为此,研究者将基矩阵转换为系数矩阵的投影,进一步提高分解效率.但是该方法无法处理非线性数据,核函数的引入部分解决了此问题,却同时导致核函数参数选择的问题.基于多核学习理论,提出了一种多核学习的投影非负矩阵分解(MKPNMF)算法,该算法有效地避免了核函数参数选择的问题,同时提高了学习性能.在实际人脸数据上的实验结果表明,MKPNMF较已有的NMF类方法具备明显的性能优势.
非負矩陣分解(NMF)把給定的數據矩陣分解成低維的非負基矩陣和對應的繫數矩陣,兩者之間存在必然聯繫.為此,研究者將基矩陣轉換為繫數矩陣的投影,進一步提高分解效率.但是該方法無法處理非線性數據,覈函數的引入部分解決瞭此問題,卻同時導緻覈函數參數選擇的問題.基于多覈學習理論,提齣瞭一種多覈學習的投影非負矩陣分解(MKPNMF)算法,該算法有效地避免瞭覈函數參數選擇的問題,同時提高瞭學習性能.在實際人臉數據上的實驗結果錶明,MKPNMF較已有的NMF類方法具備明顯的性能優勢.
비부구진분해(NMF)파급정적수거구진분해성저유적비부기구진화대응적계수구진,량자지간존재필연련계.위차,연구자장기구진전환위계수구진적투영,진일보제고분해효솔.단시해방법무법처리비선성수거,핵함수적인입부분해결료차문제,각동시도치핵함수삼수선택적문제.기우다핵학습이론,제출료일충다핵학습적투영비부구진분해(MKPNMF)산법,해산법유효지피면료핵함수삼수선택적문제,동시제고료학습성능.재실제인검수거상적실험결과표명,MKPNMF교이유적NMF류방법구비명현적성능우세.
