Download presentation
Presentation is loading. Please wait.
1
非負矩陣分解法介紹 報告者:李建德
2
大綱 簡介 非負矩陣分解法 演算法步驟 NMF訓練-以圖像為例
3
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
4
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
5
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 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](http://slidesplayer.com/slide/17067757/98/images/5/%E6%BC%94%E7%AE%97%E6%B3%95%E6%AD%A5%E9%A9%9F+%E6%B1%BA%E5%AE%9Ar%E5%80%BC+%E5%B0%87%E8%A8%93%E7%B7%B4%E6%A8%A3%E6%9C%AC%E7%BD%AE%E5%85%A5%5BV%5D+%5BW%5D%5BH%5D%E5%88%9D%E5%A7%8B%E5%8C%96+%5BW%5D%E8%A1%8C%E5%90%91%E9%87%8F%E6%AD%A3%E8%A6%8F%E5%8C%96+%E6%9B%B4%E6%96%B0%5BW%5D%5BH%5D+MSE%3D0%E6%88%96%E6%94%B6%E6%96%82%E5%89%87%E5%81%9C%E6%AD%A2%E7%96%8A%E4%BB%A3.jpg "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")
6
演算法步驟 W更新: H更新:
7
NMF訓練-以圖像為例 145 94 224 105 213 156 103 145 94 224 105 213 156 103
8
NMF訓練-以圖像為例 灰階影像資料
9
NMF訓練-以圖像為例 NMF
10
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
11
應用混音 單一通道混音分離之流程圖
Similar presentations
