非负矩阵分解(Nonnegative Matrix Factor),简称NMF,是由Lee和Seung于1999年在自然杂志上提出的一种矩阵分解方法,它使分解后的所有分量均为非负值(要求纯加性的描述),并且同时实现非线性的维数约减。NMF已逐渐成为信号处理、生物医学工程、模式识别、计算机视觉和图像工程等研究领域中最受欢迎的多维数据处理工具之一。
定义
对一个M维的随机向量v,进行了N次的观测,记这些观测为,取 ,其中 ,NMF的目标是求出非负的M×L的基矩阵 和 的系数矩阵 ,使得 ,用矩阵表示为 。
从多元统计的观点看,NMF是在非负性的限制下,在尽可能保持信息不变的情况下,将高维的随机模式简化为低维的随机模式H,而这种简化的基础是估计出数据中的本质结构W&#