• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on BioMedical Engineering and Informatics >Nonnegative matrix factorization: When data is not nonnegative
【24h】

Nonnegative matrix factorization: When data is not nonnegative

机译：非负矩阵分解：当数据不是非负面的时

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we present a new variations of the popular nonnegative matrix factorization (NMF) approach to extend it to the data with negative values. When a NMF problem is formulated as X ≈ HW, we try to develop a new method that only allows W to contain nonnegative values, but allows both X and H to have both nonnegative and negative values. In this way, the original NMF is extended to be used for real value data matrix instead restricted to only negative value data matrix. To this end, we develops novel method to factorize the real value data matrix. The method is evaluated experimentally and the results showed its effectiveness.
机译：在本文中，我们提出了流行的非负矩阵分解（NMF）方法的新变化，将其扩展到具有负值的数据。当NMF问题被制定为X≈HW时，我们尝试开发一种新方法，该方法只允许W包含非负值，而是允许X和H具有非负值和负值。以这种方式，原始NMF扩展以用于实际值数据矩阵，而是仅限于负值数据矩阵。为此，我们开发了对分解实际值数据矩阵的新方法。通过实验评估该方法，结果表明其有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号