人工智能（无监督学习-降维）——非负矩阵分解（NMF）

最新推荐文章于 2025-04-13 11:54:07 发布
最新推荐文章于 2025-04-13 11:54:07 发布
阅读量1.3k 收藏 13
点赞数 22
分类专栏： 程序员 文章标签： 人工智能 学习 矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/2401_84003941/article/details/137547687
版权

1.1 非负矩阵分解

（ Non-negative Matrix Factorization ， NMF ）：是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。

1.2 基本思想

给定一个非负矩阵 V ， NMF 能够找到一个非负矩阵 W 和一个非负矩阵H ，使得矩阵 W 和 H 的乘积近似等于矩阵 V 中的值。

1.3 W矩阵

基础图像矩阵，相当于从原矩阵V 中抽取出来的特征。

1.4 H矩阵

系数矩阵。NMF能够广泛应用于图像分析、文本挖掘和语音处理等领域。

上图摘自 NMF

最低0.47元/天 解锁文章
Python 机器学习 基础 之 无监督学习 【主成分分析（PCA） / 非负矩阵分解（NMF）/ t-SNE 流形学习】的简单说明
仙魁XAN
05-22 1118
Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。Python 机器学习是利用 Python 编程语言中的各种工具和库来实现机器学习算法和技术的过程。
非负矩阵分解（NMF）
ACdreamer
03-27 5万+
通常的矩阵分解会把一个大的矩阵分解为多个小的矩阵，但是这些矩阵的元素有正有负。而在现实世界中，比如图像，文本 等形成的矩阵中负数的存在是没有意义的，所以如果能把一个矩阵分解成全是非负元素是很有意义的。在NMF中要求原始的 矩阵的所有元素的均是非负的，那么矩阵可以分解为两个更小的非负矩阵的乘积，这个矩阵有且仅有一个这样的分解， 即满足存在性和唯一性。   Contents      1
NMF 非负矩阵分解 -- 原理与应用
qq_26225295的博客
04-21 5万+
1.原理发现写关于非负矩阵的博文还是蛮多的，还是以自己的角度总结一下自己的最近看的若干东西以及对非负矩阵分解有用的一些资料链接。NMF，全称为non-negative matrix factorization，中文呢为“非负矩阵分解”。NMF的思想：V=WH（W权重矩阵、H特征矩阵、V原矩阵），通过计算从原矩阵提取权重和特征两个不同的矩阵出来。属于一个无监督学习的算法。
非负矩阵分解NMF
热门推荐
皮皮blog
08-03 8万+
http://blog.youkuaiyun.com/pipisorry/article/details/52098864非负矩阵分解(NMF,Non-negative matrix factorization)NMF的发展及原理　　著名的科学杂志《Nature》于1999年刊登了两位科学家D.D.Lee和H.S.Seung对数学中非负矩阵研究的突出成果。该文提出了一种新的矩阵分解思想——非负矩阵分解(Non
非负矩阵分解（NMF）详解
最新发布
DuHz的博客
04-13 1377
非负矩阵分解（Non-negative Matrix Factorization，简称NMF）是一种在机器学习和数据挖掘领域广泛应用的矩阵分解技术。与传统的矩阵分解方法（如奇异值分解SVD）不同，NMF的最大特点是对分解后的矩阵元素施加了非负约束，这使得分解结果具有更好的可解释性，特别适合处理自然界中的非负数据，如图像、文本和音频等。
【机器学习】NMF(非负矩阵分解)
AAI666666的博客
03-01 3885
本篇文章主要介绍NMF算法原理以及使用sklearn中的封装方法实现该算法，最重要的是理解要NMF矩阵分解的实际意义，将其运用到自己的数据分析中！
NMF
zkyd41的专栏
11-13 5052
计算机是人类解决难题、探索未知以及提供娱乐的绝佳工具。在高效运行着的各种计算机应用背后，融汇了人类在物理、电子和数学等多门学科的高超智慧。严密的数学使得计算机能高效执行人类指令，控制内部各种数据流的走向，因此在现代计算机科学研究中，数学的基础地位和重要作用无可替代：它使我们最大程度利用有限的硬件、软件资源，它使我们能够在浩瀚的数据海洋中快速查到所关心的信息……数学与计算机科学一起演绎了许多精彩的故
NMF非负矩阵分解
m2xgo的博客
02-04 2095
NMF非负矩阵分解是将一个非负矩阵分解成两个非负矩阵，处理有些实际问题时数据往往是非负数，其他的矩阵分解如SVD分解有时会将矩阵分解成含有负数矩阵，负数出现与实际情况相悖。NMF在图像处理、推荐系统、数据降维中有着广泛的应用，NMF在实现方法上也与其他矩阵分解有质的区别。 一、理解NMF NMF将一个非负矩阵V分解成两个非负矩阵W、V，三者的关系是： V≈W*H 注意中间是约等于的关系，NMF需要找出两个非负矩阵来近似原来的矩阵。不妨设V是m行n列的矩阵：V∈Rm*n,W是m行r列矩阵：W∈R...
人工智能（无监督学习-降维）——非负矩阵分解（NMF
2401_84141210的博客
05-01 339
基础图像矩阵，相当于从原矩阵V 中抽取出来的。矩阵。NMF能够广泛应用于图像分析、文本挖掘和语音处理等领域。上图摘自 NMF 作者的论文， 左侧 为 W矩阵 ，可以看出从原始图像中抽取出来的 特征 ， 中间 的是 H矩阵。可以发现乘积结果与原结果是很像的。2 矩阵分解优化目标最小化 W 矩阵 H 矩阵的乘积和原始矩阵之间的差别，目标函数如下：基于 KL 散度的优化目标，损失函数如下：(公式的推导略)3 案例**目标：**已知Olivetti人脸数据共400个，每个数据是64*64大小。
推荐算法——非负矩阵分解(NMF)
null的专栏
04-19 3万+
一、矩阵分解回顾在博文推荐算法——基于矩阵分解的推荐算法中，提到了将用户-商品矩阵进行分解，从而实现对未打分项进行打分。矩阵分解是指将一个矩阵分解成两个或者多个矩阵的乘积。对于上述的用户-商品矩阵(评分矩阵)，记为Vm×nV_{m\times n}，可以将其分解成两个或者多个矩阵的乘积，假设分解成两个矩阵Wm×kW_{m\times k}和Hk×nH_{k\times n}，我们要使得矩阵Wm×kW
非负矩阵分解（NMF）算法
05-12
非负矩阵分解是采用向量空间模型，进行基于内容的推荐挖掘时，进行向量空间降维的一个常用算法
NMF非负矩阵分解算法（Non-negative Matrix Factorization）
weixin_44192389的博客
05-28 2832
NMF的基本思想可以简单描述为： 对于任意给定的一个非负矩阵V，NMF算法能够寻找到一个非负矩阵W和一个非负矩阵H，使得满足 ，从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。如下图所示，其中要求分解后的矩阵H和W都必须是非负矩阵。 矩阵V分解为左矩阵W和右矩阵H，可理解为原始矩阵V的列向量是H中的所有列向量的加权和，对应的权重系数则是W的列向量的元素，所有H称为基矩阵，W称为系数矩阵。 NMF在人脸识别的应用中和PCA还有VQ分解不同。VQ分解是用一张完整的图像直接代表源脸部图像；PCA是将几个完整人
NMF 非负矩阵分解
06-21
这是著名的科学杂志《Nature》于1999年刊登了两位科学家D.D.Lee和H.S.Seung对数学中非负矩阵研究的突出成果的论文。该文提出了一种新的矩阵分解思想――非负矩阵分解(Non-negative Matrix Factorization，NMF)算法。
matlab下的NMF算法实现 非负矩阵分解
04-22
NMF是一种新的矩阵分解算法，它将1个非负矩阵分解为左右2个非负矩阵的乘积。由于分解前后的矩阵中仅包含非负的元素，因此原矩阵中的列向量可以解释为对左矩阵中所有列向量(称为基向量)的加权和，而权重系数为右矩阵中对应列向量中的元素。
NMF(非负矩阵分解)
weixin_44177594的博客
06-09 1655
NMF1.算法概述2. 损失函数python代码 1.算法概述 NMF(Non-negative matrix factorization)，即对于任意给定的一个非负矩阵V，其能够寻找到一个非负矩阵W和一个非负矩阵H，满足条件V=W*H,从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。 V矩阵中每一列代表一个观测(observation)，每一行代表一个特征(feature)； W矩阵称为基矩阵， H矩阵称为系数矩阵或权重矩阵。这时用系数矩阵H代替原始矩阵，就可以实现对原始矩阵进行降维，得到数据特征的
6. NMF方法及实例
一只小羊
09-11 3422
非负矩阵分解NMF 实现原理 sklearn中非负矩阵分解 NMF人脸数据特征提取1. 非负矩阵分解（NMF）非负矩阵分解（Non-negative Matrix Factorization ，NMF）是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。 基本思想：给定一个非负矩阵V，NMF能够找到一个非负矩阵W和一个非负矩阵H，使得矩阵W和H的乘积近似等于矩阵V中的值。Vn×m=Wn×k×H
MATLAB实现的NMF分解程序及其应用
标题中的“用于人脸识别的NMF分解程序(用MATLAB编写的)”指出了本文档关注的主题是与人脸识别相关的人工智能技术之一——非负矩阵分解（NMF），并说明了该程序是使用MATLAB这一工程计算软件编写的。接下来，将详细...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值