Block-Iterative Algorithms for Non-negative Matrix Approximation

In this paper we present new algorithms for non-negative matrix approximation (NMA), commonly known as the NMF problem. Our methods improve upon the well-known methods of Lee & Seung [12] for both the Frobenius norm as well the Kullback-Leibler divergence versions of the problem. For the latter...

Celý popis

Podrobná bibliografie

Vydáno v:	2008 Eighth IEEE International Conference on Data Mining s. 1037 - 1042
Hlavní autor:	Sra, S.
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.12.2008
Témata:	Acceleration Approximation algorithms approximations Biomedical imaging block-iterative algorithms Bregman divergence Data analysis Data mining Linear algebra low-rank approximation Matrix decomposition Minimization methods Nonnegative matrix factorization Vectors
ISBN:	076953502X, 9780769535029
ISSN:	1550-4786
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!