NMF非负矩阵分解初探
简介
数据可以表示为一个矩阵 V V ,列 是采样点而行代表特征features。我们想把这个矩阵 V V 因式分解为两个未知的矩阵 和 H H
这里面 W W 是一个经常性出现的patterns的字典(比如音乐中的鼓点),而
本文介绍了非负矩阵分解(NMF)的基本概念,包括其在信号分解中的应用。NMF将数据矩阵分解为非负字典矩阵和激活矩阵,常用于音频和图像处理,具有良好的可解释性。文章还探讨了NMF的最优化问题,特别是使用β-divergence作为成本函数的更新规则。
数据可以表示为一个矩阵 V V ,列 是采样点而行代表特征features。我们想把这个矩阵 V V 因式分解为两个未知的矩阵 和 H H
这里面 W W 是一个经常性出现的patterns的字典(比如音乐中的鼓点),而

被折叠的 条评论
为什么被折叠?