[1]章祥荪,张忠元. 非负矩阵分解:模型、算法和应用 (运筹学与控制论)[J].重庆师范大学学报(自然科学版),2013,30(06):1-8.[doi:10.11721/cqnuj20130601]
ZHANG Xiang-sun,ZHANG Zhong-yuan.Nonnegative Matrix Factorization: Model, Algorithms and Applications [J].期刊社,2013,30(06):1-8.[doi:10.11721/cqnuj20130601]
点击复制
非负矩阵分解:模型、算法和应用 (运筹学与控制论)
(PDF)
重庆师范大学学报(自然科学版)[ISSN:1672-6693/CN:50-1165/N]
- 卷:
-
30
- 期数:
-
2013年06期
- 页码:
-
1-8
- 栏目:
-
运筹学与控制论
- 出版日期:
-
2013-11-25
文章信息/Info
- Title:
-
Nonnegative Matrix Factorization: Model, Algorithms and Applications
- 作者:
-
章祥荪; 张忠元
-
中国科学院 数学与系统科学研究院,北京100190;中央财经大学 统计与数学学院,北京100081
- Author(s):
-
ZHANG Xiang-sun; ZHANG Zhong-yuan
-
-
- 关键词:
-
非负矩阵分解; 乘性迭代算法; Kmeans; 潜在语义分析; 图像处理; 数据聚类; 社团结构探测
- Keywords:
-
-
- 分类号:
-
-
- DOI:
-
10.11721/cqnuj20130601
- 文献标志码:
-
A
- 摘要:
-
近年来,非负矩阵分解模型已经成为数据挖掘领域中最成功的模型之一。该模型能够自动从一组高维向量中提取隐含模式,从而被广泛应用于降维、无监督学习(图像处理、聚类和双聚类等)和预测当中。本文将从它的发展历史、数学表达形式、算法和热点应用等几个层面对非负矩阵分解模型进行综述。简言之,该模型具有较好的可解释性, 模型简单,易于理解操作,可拓展性强,该模型和无监督学习领域中其它被广泛采用的模型关系紧密,且有广泛的应用空间,数值表现优异。 同时作为一项新兴技术, 该模型亦有许多有趣的问题值得进一步深入研究。
- Abstract:
-
-
更新日期/Last Update:
2013-11-30