首页
[{"ID":42422,"Name":"理学"},{"ID":81272,"Name":"计算机科学技术"},{"ID":81695,"Name":"计算机应用"},{"ID":81764,"Name":"多媒体计算"},{"ID":81796,"Name":"模式识别"},{"ID":81805,"Name":"线性特征提取"}]
非负矩阵分解
/non-negative matrix factorization; NMF/
最后更新 2022-01-20
浏览 133次
非负矩阵分解(non-negative matrix factorization, NMF)是一种常用的矩阵分解算法,基于输入的矩阵,非负矩阵分解算法可将其分解为两个矩阵和都是非负的,即:
该方法最早由D.D.Lee和H.S.Seung在1999年于科学杂志《Nature》上提出,它使分解后的所有分量均为非负值,并且达到维数约减。非负矩阵分解现在是计算机视觉、数字信号处理、生物信息工程和机器学习等研究领域中应用最多的高维数据处理方法之一。
- 英文名称
- non-negative matrix factorization; NMF
- 所属学科
- 计算机科学技术