非负矩阵分解及其在多谱信号处理中的应用

发布时间：2020-05-22 15:55

【摘要】：非负矩阵分解算法自被提出到现在将近20年,正因为其具有可提取部分特征来感知整体的智能数据描述的特殊能力,它迅速吸引了大量学者、专家对其进行更深的研究和分析。事实上,对于非负矩阵分解的研究已经远远超出数学探索,非负矩阵分解的基础理论试图为学习对象部分制定一个可行的模型。这种部分表示整体的思想正是一种基于部分感知构成整体感知的思想,也可以说是一种“智能”化的思想。因其诸多优点,非负矩阵分解算法越来越多样化、越来越成熟、应用也越来越广泛。本文围绕非负矩阵分解理论,主要针对基于β散度的非负矩阵分解和一种具有非线性收敛速率的局部平滑约束非负矩阵分解进行了分析和研究。论文的具体安排如下:首先介绍了课题研究的意义,国内外研究现状等,简要说明本论文组织结构;然后详细介绍了非负矩阵分解的基本理论,包括非负矩阵分解模型的数学表达式、总结非负矩阵分解的已被发现的特性、详细阐述非负矩阵分解的上述类别的算法细节和一些结论及该领域尚待解决的问题;接着研究将基于β散度的非负矩阵分解应用于聚类实验中以测试其性能;再者,重点设计了一个具有非线性收敛速率的局部平滑约束非负矩阵分解算法;最后对本文种的研究工作进行总结与展望。本文的重点内容如下:介绍了一种基于β散度的非负矩阵分解算法,首先介绍了β散度的基本理论;然后详细描述了该算法的算法模型及其推导过程,并给出了在两种不同情况下的算法更新公式;最后对该算法进行基本聚类仿真实验和文档聚类仿真实验,通过实验结果来验证该算法在文档聚类实验中较其它主流的NMF算法和聚类算法具有更优的高效性。设计了一种带有非线性收敛速率的局部平滑约束非负矩阵分解算法,该方法可应用在光谱信号处理之中,并可用来解决光谱分解问题。我们首先证明了每个变量矩阵的成本函数梯度都具有Lipschitz连续的特性,并以此构建一个近似函数来优化成本函数,因此,我们的方法比传统方法更加快速的实现非线性收敛速率;然后详细描述了该算法的模型及推导过程;最后,仿真实验结果说明了本章中的算法在解决光谱分解问题时相对与之进行比较的方法的优势。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O151.21;TN911.7

【相似文献】

相关期刊论文 前10条

1 张慧;党思航;崔宗勇;;基于增量非负矩阵分解的合成孔径雷达目标识别[J];科学技术与工程;2017年12期

2 黄波;严宣辉;林建辉;;基于联合非负矩阵分解的协同过滤推荐算法[J];模式识别与人工智能;2016年08期

3 杨永生;张优云;朱永生;;基于多核非负矩阵分解的机械故障诊断[J];西北工业大学学报;2015年02期

4 许榕;吴聪;蒋士正;陈启美;;二维局部非负矩阵分解的路网态势算法[J];上海交通大学学报;2015年08期

5 李玉翔;李弼程;郭志刚;;基于非负矩阵分解的网络重叠社区发现研究[J];系统仿真学报;2014年03期

6 余先川;任雅丽;初晓凤;徐金东;刘石华;李鸿镇;张洁;;一种基于加权非负矩阵分解的矿产预测方法[J];地质学刊;2013年01期

7 李兵;米双山;刘鹏远;刘东升;张培林;;二维非负矩阵分解在齿轮故障诊断中的应用[J];振动.测试与诊断;2012年05期

8 张永鹏;郑文超;张晓辉;;非负矩阵分解及其在图像压缩中的应用[J];西安邮电学院学报;2008年03期

9 高亮;潘积远;于佳平;;基于非负矩阵分解的类标签映射集成学习[J];科学技术与工程;2018年01期

10 刘志扬;;非负矩阵分解及其改进方法[J];华侨大学学报(自然科学版);2016年06期

相关会议论文 前10条

1 蒋永锴;叶东毅;;基于稀疏非负矩阵分解的自动多文摘方法[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

2 马帅;吴飞;杨易;邵健;;基于稀疏非负矩阵分解的图像检索[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

3 宋尚真;周慧鑫;秦翰林;;基于非负矩阵分解的高光谱异常检测[A];2015 年（第七届）西部光子学学术会议论文集[C];2015年

4 蔡蕾;朱永生;;基于稀疏性非负矩阵分解和支持向量机的轴心轨迹图识别[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

5 蒋霈霖;;遥感图像混合谱解混的新方法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

6 孔晗e，

本文编号：2676240