![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
矩阵分解
poilkj110
这个作者很懒,什么都没留下…
展开
-
论文<Algorithms for non-negative matrix Factorization>
摘要:非负矩阵分解对于多元数据是有用的降维方法。分析两种不同的多元算法对于NMF。他们只是在在更新规则中乘法因子的有轻微的不同。一个算法显示去最小传统最小二乘损失,另一种是最小泛化的KL散度。这两算法的收敛可以使用一个辅助函数来证明收敛,类似于证明EM算法收敛时的辅助函数。算法也可被认为重新调节的梯度下降,其中重新调节因子选择最优来保证收敛。 1 简介: 非监督学习算法例如主成分分析和向量量子化原创 2017-11-22 16:46:59 · 1735 阅读 · 1 评论 -
乘法更新规则对于并发的非负矩阵分解和最大间隔分类
摘要:使用非负矩阵分解的分类方法,使用两个连贯的独立步骤,第一个是完成数据转变(降维),第二个使用分类方法分类转变后的数据,例如最近邻/中心 或者支持向量机。接下来我们关注在使用NMF接着SVM分类。这两步骤的参数,也就是NMF基/相关系数和支持向量都是独立优化的,这样导致一个自由化分类表现。在本文汇总,合并两个步骤到一个通过合并最大间隔分类约束到标准的NMF优化中。在提出的框架后面的概念是去完成非原创 2017-11-24 13:58:16 · 3019 阅读 · 0 评论