非负矩阵分解(NMF,Nonnegtive Matrix Factorization)
2015-10-31 22:27
351 查看
转载地址:http://blog.csdn.net/waycaiqi/article/details/11734735
早在1999年,著名的科学杂志《Nature》刊登了两位科学家D.D.Lee和H.S.Seung对数学中非负矩阵研究的突出成果。其文章为《Learning the parts of objects by non-negative matrix factorization》。关于矩阵的分解有很多种方法,各种方法无非便是加入各种约束各种条条框框,最后生成一对矩阵相乘的形式来近似表达源矩阵。但在不同的约束下生成的分解矩阵有着不同的性质。下面将在此论文的基础上对NMf进行介绍。
1、基本概念:
给出非负矩阵分解定义为:找到非负矩阵
与
使得
。在计算中等式两者很难完全相等。在计算中往往是根据某更新法则迭代更新出两个乘子,当上式左右两端的距离(如欧式距离)满足我们设定的大小,停止迭代。
2、不同矩阵分解方法的对比:
上述的论文中,将主元分析PCA,矢量量化VQ与非负矩阵分解NMF进行对比。三种分解方式有着一个统一地表达形式:
。文中将在一个关于人脸图像处理的实验下阐述这三个方法。数据描述:矩阵
是一个
脸部数据矩阵。其中,每一列是一个有n个数据的脸部数据,一共有m个这样的脸部数据构成脸部数据矩阵
。
如上式,将人脸图像分解为一个基图像
与一个权重矩阵
。
转载地址:http://blog.csdn.net/waycaiqi/article/details/11734735
早在1999年,著名的科学杂志《Nature》刊登了两位科学家D.D.Lee和H.S.Seung对数学中非负矩阵研究的突出成果。其文章为《Learning the parts of objects by non-negative matrix factorization》。关于矩阵的分解有很多种方法,各种方法无非便是加入各种约束各种条条框框,最后生成一对矩阵相乘的形式来近似表达源矩阵。但在不同的约束下生成的分解矩阵有着不同的性质。下面将在此论文的基础上对NMf进行介绍。
1、基本概念:
给出非负矩阵分解定义为:找到非负矩阵
与
使得
。在计算中等式两者很难完全相等。在计算中往往是根据某更新法则迭代更新出两个乘子,当上式左右两端的距离(如欧式距离)满足我们设定的大小,停止迭代。
2、不同矩阵分解方法的对比:
上述的论文中,将主元分析PCA,矢量量化VQ与非负矩阵分解NMF进行对比。三种分解方式有着一个统一地表达形式:
。文中将在一个关于人脸图像处理的实验下阐述这三个方法。数据描述:矩阵
是一个
脸部数据矩阵。其中,每一列是一个有n个数据的脸部数据,一共有m个这样的脸部数据构成脸部数据矩阵
。
如上式,将人脸图像分解为一个基图像
与一个权重矩阵
。
转载地址:http://blog.csdn.net/waycaiqi/article/details/11734735
相关文章推荐
- 一个Stack的Java示例图解分析
- 一:理解ASP.NET的运行机制(例:通过HttpModule来计算页面执行时间)
- JS之简易计算器
- 03.Curator深入使用
- 单链表实现(2)
- python-flask简单服务器框架
- 浅谈析构函数
- hust 1010 The Minimum Length(KMP求最小循环节)
- 彼得原理(The Peter Principle)
- [HDOJ]BestCoder Round #61
- PHP(Hypertext Preprocessor)
- C#集合u
- 解决Hadoop 2.7.1无法加载本地库问题
- AIC准则选三个变量的r语言代码
- openStack 初步学习
- HDU 5525 Product
- hdu 1045 Fire Net
- Local Reference and Global Reference
- hdoj--1028--Ignatius and the Princess III(母函数)
- 单链表实现(1)