基于正则化 L21 的半非负矩阵分解
机器学习
2020-05-12 v1 数值分析
数值分析
机器学习
摘要
我们提出了一种通用数据压缩算法——正则化 L21 半非负矩阵分解（L21 SNF）。L21 SNF 提供了鲁棒、基于部件的压缩，适用于混合符号数据，且对这类数据而言，高保真度的单数据点重建至关重要。我们给出了算法收敛性的严格证明。通过实验，我们展示了 L21 SNF 所呈现的用例优势，包括应用于广泛出现在许多通用机器学习过程中的高度超定系统的压缩。
引用
@article{arxiv.2005.04602,
title = {Regularized L21-Based Semi-NonNegative Matrix Factorization},
author = {Anthony D. Rhodes and Bin Jiang},
journal= {arXiv preprint arXiv:2005.04602},
year = {2020}
}