作者:何孝文; 胡一飞; 王海平; 陈默在线学习非负矩阵分解特征提取稀疏约束
摘要:文中提出了一种新的在线形式的非负矩阵分解,即在线学习非负矩阵分解(OLNMF)。OLNMF算法采用了增量形式的非光滑模型,并采用“选择遗忘法”控制新样品和旧样品的权重,提高了算法的计算效率,减少了计算复杂度。OLNMF算法能处理大型的实时更新的数据集,并得到稀疏度更高的基矩阵。实验结果表明,在多个人脸数据集中,相对于INMF,ONMFO,Lp-INMF,OLNMF具有更好的稀疏性;在EEG数据集中,基于OLNMF的SVM分类方法能得到更好的分类准确率。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社