- Бинарная ортогональная неотрицательная матричная факторизация(arXiv)
Автор:С. Фатхи Хафшеджани, Д. Гаур, С. Хоссейн, Р. Бенкоци
Аннотация: Мы предлагаем метод вычисления бинарной ортогональной неотрицательной матричной факторизации (BONMF) для кластеризации и классификации. Метод протестирован на нескольких репрезентативных наборах данных реального мира. Численные результаты подтверждают, что метод имеет повышенную точность по сравнению с родственными методами. Предлагаемый метод быстр для обучения и классификации и экономит место.
2. Ортогональная неотрицательная матричная факторизация: подход на основе принципа максимальной энтропии(arXiv)
Автор:Салар Басири, Мустафа Кападия, Шриниваса Салапака
Аннотация:: В этой статье мы представляем новую методологию для решения задачи факторизации ортогональной неотрицательной матрицы (ONMF), где цель состоит в том, чтобы аппроксимировать матрицу входных данных произведением двух не- отрицательные матрицы, матрица признаков и матрица смешивания, а одна из них ортогональна. Мы показываем, как ONMF можно интерпретировать как конкретную проблему размещения оборудования (FLP), и адаптируем решение FLP, основанное на принципе максимальной энтропии, к проблеме ONMF. Предлагаемый подход гарантирует ортогональность признаков или матрицы смешивания, гарантируя при этом, что оба матричных фактора неотрицательны. Кроме того, матрица признаков (смешивания) имеет ровно один ненулевой элемент в каждой строке (столбце), что обеспечивает максимальную разреженность ортогонального фактора. Это позволяет семантическую интерпретацию базовой матрицы данных с использованием непересекающихся признаков. Эксперименты на синтетических данных и стандартном наборе данных микрочипов демонстрируют значительные улучшения с точки зрения показателей разреженности и ортогональности матриц признаков (смешивания) при достижении примерно такой же или лучшей (до 3%) ошибки реконструкции.
