一种带分类器深度非负矩阵分解网络的优化方法

摘要

本发明涉及一种带分类器深度非负矩阵分解(Nonnegative Matrix Factorization,NMF)网络的优化方法，属于人工智能技术领域。本发明包括模型构建和参数优化，模型构建方面，对多个NMF层以及分类层进行级联构成深度网络，即前一NMF层分解结果作为后一NMF层的输入，不同NMF层间采用映射函数连接。参数优化方面，基于乘性迭代规则对深度NMF网络进行无监督逐层预训练，有监督全局优化基于BP算法对各NMF层以及Softmax分类层权值参数进行整体优化。利用训练优化的深度NMF网络对测试数据进行分析，得到分类输出结果。本发明适用于状态监测与诊断等分类识别任务相关应用。