非负矩阵分解(1):准则函数及KL散度 – 桂。 | 您所在的位置:网站首页 › kl散度为什么大于等于0 › 非负矩阵分解(1):准则函数及KL散度 – 桂。 |
作者:桂。 时间:2017-04-06 12:29:26 链接:http://www.cnblogs.com/xingshansi/p/6672908.html 声明:欢迎被转载,不过记得注明出处哦~
前言 之前在梳理最小二乘的时候,矩阵方程有一类可以利用非负矩阵分解(Non-negative matrix factorization, NMF)的方法求解,经常见到别人提起这个算法,打算对此梳理一下。优化问题求解,最基本的是问题描述与准则函数的定义,紧接着才涉及准则函数的求解问题,本文为NMF系列第一篇,主要梳理: 1)矩阵方程基本问题; 2)准则函数定义; 内容为自己的学习总结,其中多有借鉴他人的地方,最后一并给出链接。
一、矩阵方程基本问题 本段描述NMF对应的基本问题。 许多问题都可以建模成矩阵方程: ${\bf{AS}} = {\bf{X}}$ 其中根据向量 1)超定矩阵方程;m>n,$\bf{X}$和$\bf{A}$均已知,其中之一或二者可能存在观测误差、干扰; 2)盲矩阵方程:仅向量$\bf{X}$已知,矩阵$\bf{A}$未知; 3)欠定稀疏矩阵方程:m |
CopyRight 2018-2019 实验室设备网 版权所有 |