目标波波：面向非负矩阵分解的新型异常抗性方法
机器学习
2025-08-26 v3
摘要
本文引入“目标波波”（Target Polish），一种用于非负矩阵分解（NMF）的稳健且计算高效的框架。虽然传统加权 NMF 方法对异常值有抗性，但由于使用乘法更新来最小化目标函数，收敛速度较慢。相比之下，目标波波方法可与著名的 Fast-HALS 算法兼容，通过自适应地“波波”数据（基于加权中位数变换），实现对异常值的抗性。这种创新在保持 Fast-HALS 高度高效的加法更新结构的同时，提供了异常抗性。通过使用结构（块）和非结构（盐）噪声破坏的图像数据集进行实验评估，证明目标波波方法在所研究情景下，既匹配或超过了当前最先进的稳健 NMF 方法的准确性，又将计算时间缩短了一个数量级。
引用
@article{arxiv.2507.10484,
title = {The Target Polish: A New Approach to Outlier-Resistant Non-Negative Matrix Factorization},
author = {Paul Fogel and Christophe Geissler and George Luta},
journal= {arXiv preprint arXiv:2507.10484},
year = {2025}
}
备注
6 pages, 4 figures, International Conference on Robust Statistics 2025, Stresa, Italy