KL散度下的非负矩阵分解

摘要

非负矩阵分解是分离相关源信号的最有力工具之一。本文提出了基于KL散度的最小体积约束非负矩阵分解算法。文中分析了非负矩阵分解与稀疏性、最小体积之间的内在联系。为了适合处理大数据集问题，利用了KL散度来提出优化目标函数。仿真表明，我们的算法不仅可以分离一些高度相关的源信号，而且可以显著提高非负矩阵分解学习部分的能力，从而具有非常广泛的用途。