紧半非负矩阵分解
机器学习
2017-12-12 v3 机器学习
摘要
非负矩阵分解是一种广泛使用且灵活的矩阵分解方法，在生物学、图像与信号处理以及信息检索等领域有着诸多应用。本文提出一种相关的矩阵分解方法。一个多目标优化问题寻找模板的锥形组合来近似给定的数据矩阵。模板的选取使得尽可能只有初始数据集能够以这种方式被表示。然而，模板不要求是非负的，也不要求是原始数据的凸组合。
引用
@article{arxiv.1709.04395,
title = {Tight Semi-Nonnegative Matrix Factorization},
author = {David W Dreisigmeyer},
journal= {arXiv preprint arXiv:1709.04395},
year = {2017}
}