| 稀疏约束下非负矩阵分解的增量学习算法 |
| |
| 引用本文： | 王万良,蔡竞.稀疏约束下非负矩阵分解的增量学习算法[J].计算机科学,2014,41(8):241-244. |
| |
| 作者姓名： | 王万良 蔡竞 |
| |
| 作者单位： | 浙江工业大学计算机科学与技术学院 杭州310023;浙江工业大学计算机科学与技术学院 杭州310023 |
| |
| 基金项目： | 本文受国家自然科学基金(61070043)资助 |
| |
| 摘 要： | 非负矩阵分解(NMF)是一种有效的子空间降维方法。为了改善非负矩阵分解运算规模随训练样本增多而不断增大的现象,同时提高分解后数据的稀疏性,提出了一种稀疏约束下非负矩阵分解的增量学习算法,该算法在稀疏约束的条件下利用前一次分解的结果参与迭代运算,在节省大量运算时间的同时提高了分解后数据的稀疏性。在ORL和CBCL人脸数据库上的实验表明了该算法降维的有效性。
|
| 关 键 词： | 子空间降维 稀疏约束 非负矩阵分解 增量学习 |
| 收稿时间： | 2013/10/2 0:00:00 |
| 修稿时间： | 2013/12/23 0:00:00 |
Incremental Learning Algorithm of Non-negative Matrix Factorization with Sparseness Constraints |
| |
| WANG Wan-liang and CAI Jing.Incremental Learning Algorithm of Non-negative Matrix Factorization with Sparseness Constraints[J].Computer Science,2014,41(8):241-244. |
| |
| Authors: | WANG Wan-liang and CAI Jing |
| |
| Affiliation: | College of Computer Science and Technology,Zhejiang University of Technology,Hangzhou 310023,China;College of Computer Science and Technology,Zhejiang University of Technology,Hangzhou 310023,China |
| |
| Abstract: | |
| |
| Keywords: | Subspace dimensionality reduction Sparseness constraints Non-negative matrix factorization Incremental learning |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
