NMF算法鲁棒性分析
机器学习
2021-06-07 v1 人工智能
计算机视觉与模式识别
摘要
我们考察了三种非负矩阵分解技术：L2范数、L1范数和L2,1范数。我们的目标是确定这些不同方法的性能，以及它们在处理计算复杂度、对噪声的敏感性等实际应用场景（如特征选择）中的鲁棒性。我们从理论角度深入考察每种方法，并利用ORL和YaleB数据集通过一系列实验检验各自的性能。我们在多种模拟噪声场景下，以相对重构误差（RRE）、平均准确率和归一化互信息（NMI）作为准则进行检验。
引用
@article{arxiv.2106.02213,
title = {Analysis of the robustness of NMF algorithms},
author = {Alex Díaz and Damian Steele},
journal= {arXiv preprint arXiv:2106.02213},
year = {2021}
}
备注
16 pages