Biblioteca122.294 documentos en línea

Artículo

Two Efficient Algorithms for Orthogonal Nonnegative Matrix FactorizationDos algoritmos eficientes para la factorización ortogonal de matrices no negativas

Resumen

La factorizacin de matrices no negativas (NMF) es un mtodo popular para el anlisis multivariante de datos no negativos. Consiste en descomponer una matriz de datos en un producto de dos matrices factoriales con todas las entradas restringidas a ser no negativas. Recientemente se ha introducido la factorizacin ortogonal de matrices no negativas (ONMF). Este mtodo ha demostrado un rendimiento notable en tareas de clustering, como la clasificacin de la expresin gnica. En este estudio, introducimos dos mtodos de convergencia para resolver ONMF. En primer lugar, diseamos un algoritmo ortogonal convergente basado en el mtodo del multiplicador de Lagrange. En segundo lugar, proponemos un enfoque basado en el mtodo de direccin alterna. Por ltimo, demostramos que los dos enfoques propuestos tienden a proporcionar soluciones de mayor calidad y obtienen mejores resultados en tareas de agrupamiento en comparacin con un ONMF de ltima generacin.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento