β散度下的非负矩阵分解  

Nonnegative Matrix Factorization with β-Divergence

作　　者：黄司辉 袁嘉棋 陈默 汪振 

机构地区：[1]广东工业大学自动化学院,广东广州510000

出　　处：《工业控制计算机》2018年第1期105-107,共3页Industrial Control Computer

摘　　要：主要学习、研究了一种基于β散度的非负矩阵分解方法。常见的矩阵分解一般是基于二范数的非负矩阵分解或是基于KL散度的矩阵分解,但由于这两种分解方法对数据结构的限制使得该方法下的矩阵分解不够灵活。而基于β散度下的非负矩阵分解正是因为β的不确定性而减少对数据结构的限制,从而适用性更高。对一种利用贝叶斯模型来优化目标函数的方法进行学习和研究,该方法通过引进一个标量参数将矩阵W的列和矩阵H的行联系起来,达到将矩阵W和矩阵H分开计算的目的,如此可降低计算复杂度,提高计算效率。将该方法运用于聚类分析中,并取得良好的效果。This paper mainly studies a nonnegative matrix decomposition method based onβdivergence.Common matrix decomposition is usually based on two-norm non-negative matrix decomposition or is based on KL divergence of the moment decomposition,but because of these two decomposition methods on the data structure constraints make the matrix decomposition under the method is not flexible enough.Non-negative matrix decomposition based onβ-divergence is due to the uncertainty ofβand the limitation of data structure is reduced,and the applicability is higher.

关 键 词：非负矩阵分解 β散度 贝叶斯近似法 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]