非负矩阵分解及其在模式识别中的应用

摘要：

矩阵分解是实现大规模数据处理与分析的一种有效工具. 非负矩阵分解(non-negative matrix factorization,NMF)算法是在矩阵中所有元素均为非负的条件下对其实现的非负分解,这为矩阵分解提供了一种新的思路. 非负矩阵分解方法在智能信息处理和模式识别研究领域具有十分重要的应用意义. 本文介绍非负矩阵分解的基本思想和一些最新的研究成果,结合研究工作讨论在概率模型的框架下实现非负矩阵分解的目标函数和相应的算法,以及非负矩阵分解与知觉过程信息处理的关系,针对模式识别的实际问题给出具体的非负矩阵分解的应用实例,并提出非负矩阵分解及其应用中有待进一步研究的新问题.

关键词：非负数据、特征提取、非负矩阵分解、入侵检测、数字水印、脑电信号处理

所属期刊栏目：51

分类号：O1(数学)

资助基金：国家自然科学基金60021302;中国科学院资助项目60205001

在线出版日期：2006-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：241-250