论文部分内容阅读
非负矩阵分解是处理高维数据的一种常用方法,对带有稀疏约束的非负矩阵分解算法进行了研究,提出了一种在曼哈顿距离最接近的向量稀疏化算法,并与欧几里得距离最接近的向量稀疏化进行对比,提出的稀疏化算法具有较快的稀疏速度和较好的稀疏效果。实验结果表明,只在非负基矩阵W上加稀疏约束时,得到的非负基矩阵W和非负系数矩阵H的乘积和原非负矩阵V最接近;基于稀疏的非负矩阵分解过程中,选取的迭代步长和迭代次数,会对实验分解结果产生较大影响。