非負矩陣分解法介紹 報告者:李建德
大綱 簡介 非負矩陣分解法 演算法步驟 NMF訓練-以圖像為例
簡介 Bell Laboratory的D.D. Lee與Massachusetts Institute of Technology的H.S. Seung所發展出來 找出表面事物中所隱藏的特徵 以局部特徵的方式去辨識物體 非負元素值的限制條件
非負矩陣分解法 非負矩陣表示法: 其中參數r有(n+m)r<nm之限制 [V]為受測樣本群所組成的,其中m為受測樣本集合的樣本數,n為樣本特徵維度 [W]是由受測樣本的基底特徵所組成 [H]代表 [W]對應到[H]的特徵組合比例
演算法步驟 決定r值 將訓練樣本置入[V] [W][H]初始化 [W]行向量正規化 更新[W][H] MSE=0或收斂則停止疊代
演算法步驟 W更新: H更新:
NMF訓練-以圖像為例 145 94 224 105 213 156 103 145 94 224 105 213 156 103
NMF訓練-以圖像為例 灰階影像資料
NMF訓練-以圖像為例 NMF
NMF訓練-以圖像為例 重建影像 某一樣本對應之 特徵參數 NMF基底影像 原始影像
應用混音 單一通道混音分離之流程圖