本文对非负矩阵分解算法进行了研究,提出了子空间共轭梯度算法和混合共轭梯度法,通过数值实验验证了新算法的优势。　　首先,简要介绍了非负矩阵分解的背景知识,研究现状以及应用;介绍了非负矩阵分解的基本的经典的算法,并对各种算法进行了简要的分析。　　其次,基于交替最小二乘法,在界约束优化的积极集共轭梯度法基础上提出了子空间共轭梯度算法,并将其推广到多种形式的非负矩阵分解,作者对其进行了仿真实验,将算法与投影梯度算法(PG),积极集算法(AS),块主轴旋转算法(BP)进行了对比,实验显示,在时间、迭代次数方面,新算法要优于以上几种算法。　　最后,对于第二章中算法的搜索方向,利用曹名圆提出的求解大规模约束优化的混合共轭梯度法的搜索方向进行了数值实验,实验结果表明比上述几种算法收敛速度要快,但比子空间共轭梯度法收敛速度要慢一些。