论文部分内容阅读
非负矩阵分解(non-negative matrix factorization,NMF)是一种常用的非负多元数据描述方法。处理数据矩阵集时,NMF描述力不强、推广性差。基于双线性型的非负矩阵集分解(bilinear form-based non-negative matrix set factorization,BFBNMSF)是对NMF的扩展,处理数据矩阵集时,BFBNMSF比NMF描述力强、推广性好。但BFBNMSF在初始化时使用随机分布,为使BFBNMSF更快收敛,该文提出一种基于奇异值分解(Si