paper:Structured Sparse Non-negative MatrixFactorization with -Norm
矩阵L0范数的定义:
where I(x) = 1 if x 0, I(x) = 0 if x = 0.(本质上是W中不为0的的个数);
表示不为0 的列的个数。
为了进行特征选择提出了以下模型:
为了去掉限制条件,将上式转化为():
具体优化方法:
其中D_h^t,D_w^t表示Lipschitz continuous参数。
实验结果:
结论:总体来说算法收敛较快,基于L20的NMF算法效果有较大的提升。基于PAML和maPAML的优化算法值得学习。