基于多核学习的投影非负矩阵分解算法

摘要：

非负矩阵分解(NMF)把给定的数据矩阵分解成低维的非负基矩阵和对应的系数矩阵,两者之间存在必然联系.为此,研究者将基矩阵转换为系数矩阵的投影,进一步提高分解效率.但是该方法无法处理非线性数据,核函数的引入部分解决了此问题,却同时导致核函数参数选择的问题.基于多核学习理论,提出了一种多核学习的投影非负矩阵分解(MKPNMF)算法,该算法有效地避免了核函数参数选择的问题,同时提高了学习性能.在实际人脸数据上的实验结果表明,MKPNMF较已有的NMF类方法具备明显的性能优势.

关键词：投影非负矩阵分解、核函数、多核学习

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基金科研业务费专项基金2011JBM030,2013JBZ005;教育部博士点基金20120009110006;北大方正集团有限公司数字出版技术国家重点实验室开放课题资助

在线出版日期：2014-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：64-67