期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

非负矩阵分解及其在模式识别中的应用 被引量：38

原文传递
导出
摘要 矩阵分解是实现大规模数据处理与分析的一种有效工具.非负矩阵分解(non-negativematrixfactorization,NMF)算法是在矩阵中所有元素均为非负的条件下对其实现的非负分解,这为矩阵分解提供了一种新的思路.非负矩阵分解方法在智能信息处理和模式识别研究领域具有十分重要的应用意义.本文介绍非负矩阵分解的基本思想和一些最新的研究成果,结合研究工作讨论在概率模型的框架下实现非负矩阵分解的目标函数和相应的算法,以及非负矩阵分解与知觉过程信息处理的关系,针对模式识别的实际问题给出具体的非负矩阵分解的应用实例,并提出非负矩阵分解及其应用中有待进一步研究的新问题.
作者 刘维湘 郑南宁 游屈波
机构地区 西安交通大学人工智能与机器人研究所
出处 《科学通报》 EI CAS CSCD 北大核心 2006年第3期241-250,共10页 Chinese Science Bulletin
基金 国家自然科学基金委员会创新研究群体科学基金研究计划（批准号：60021302） 国家自然科学基金项目（批准号：60205001）的资助.
关键词 非负数据 特征提取 非负矩阵分解 入侵检测 数字水印 脑电信号处理
分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TP391.4 [自动化与计算机技术—计算机应用技术]
  • 相关文献

参考文献57

  • 1Hubert L J,Meulman J J,Heiser W J.Two purposes for matrix factorization:A historical appraisal.SIAM Review,2000,42:68～82
  • 2Duda R O,Hart P E,Stork D G.Pattern Classification.Second edition.New York:John Wiley & Sons,2001
  • 3Lee D D,Seung H S.Learning the parts of objects with nonnegative matrix factorization.Nature,1999,401:788～791
  • 4Paatero P,Tapper U.Positive matrix factorization:A non-negative factor model with optimal utilization of error estimates of data values.Environmetrics,1994,5:111～126
  • 5Lee D D,Seung H S.Algorithms for nonnegative matrix factorization.In:Leen T,Dietterich T,Tresp V,eds.Advances in Neural Information Processing Systems 13.Cambridge,MA:MIT Press,2000
  • 6Sajda P,Du S,Parra L,et al.Recovery of constituent spectra using non-negative matrix factorization.Proc SPIE,2003,5207:321～331
  • 7Cichocki A,Amari S.Adaptive Blind Signal and Image Processing:Learning Algorithms and Applications.New York:John Wiley & Sons,2002
  • 8Liu W X,Zheng N N.Learning sparse features for classification by mixture models.Pattern Recognition Letters,2004,25(2):155～161
  • 9Li S Z,Hou X W,Zhang H J,et al.Learning spatially localized,parts-based representation.Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2001,1:207～212
  • 10Olshausen B A,Field D J.Emergence of simple-cell receptive field properties by learning a sparse code for natural images.Nature,1996,381:607～609

共引文献10

同被引文献352

引证文献38

二级引证文献169

科学通报
2006年 第3期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部