摘要
针对非负矩阵分解效率低的不足,提出一种基于在线学习的稀疏性非负矩阵分解的快速方法.通过对目标函数添加正则化项来控制分解后系数矩阵的稀疏性,将问题转化成稀疏表示的字典学习问题,利用在线字典学习算法求解目标函数,并对迭代过程的矩阵更新进行转换,采取块坐标下降法进行矩阵更新,提高算法收敛速度.实验结果表明,该方法在有效保持图像特征信息的同时,运行效率得到提高.
学科与关键词
关键词
稀疏性正则化非负矩阵分解块坐标下降法在线学习 Sparse RegularizationNon-Negative Matrix FactorizationBlock-Coordinate DescentOnline Learning
- 正交指数约束的平滑非负矩阵分解方法及应用同鸣; 张伟; 吴扬成系统工程与电子技术, 2013, (10): 2221-2228.
- 几类非负矩阵分解算法及其在图像处理中的应用柯艺芬; 马昌凤平顶山学院学报, 2013, (05): 1-7.
- 体积约束的稀疏NMF高光谱解混王伞; 韩月; 王立国哈尔滨工程大学学报, 2019, (12): 2077-2082.
