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.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Factorización matricial; Datos no negativos; Ortogonal; ONMF; Tareas de agrupamiento; Métodos de convergencia
• Keywords:Matrix factorization; Nonnegative data; Orthogonal; ONMF; Clustering tasks; Convergence methods