免费论文摘要：非负矩阵领会扩充算法接洽及运用

非负矩阵领会(Nonnegative Matrix Factorization, NMF)是指运用非负牵制，将一个非负矩阵领会为两个非负矩阵乘积的进程。非负性是对矩阵领会灵验的控制前提，它使得领会截止对原始数据的特性及构造具备十分强的表白本领，同声该算法也具备很强的运用后台。所以，非负矩阵领会算法渐渐变成图像处置、形式辨别、计划机视觉、旗号处置等接洽范围中备受欢送的算法之一。但是在简直运用中，因为NMF生存很多限制极小会引导领会截止不独一，所以须要探求灵验的本领来加以处置。对准简直运用中生存的不及，鸿儒们提出了少许非负矩阵扩充算法，比方多层非负矩阵领会、非负稠密源代码、非润滑非负矩阵领会，并在本质运用傍边博得了很好的功效。 高光谱图像是运用成像光谱仪对同一地核地区的几十以至几百个波段同声成像而赢得的三维图像，其充分的光谱消息不妨为地物辨别和反演供给要害消息，然而因为高光谱图像的空间辨别率普遍较低，引导单个像元光谱是由几种各别物资的光谱搀和而成，从而产生搀和像元。而搀和像元的生存不只感化地物辨别和反演的精度，并且是遥感本领兴盛的要害妨碍。所以，怎样灵验处置搀和像元题目是高光谱遥感运用的要害题目之一。因为非负矩阵领会的少许便宜凑巧对应高光谱遥感图像光谱解混的运用特性，很多鸿儒把非负矩阵领会运用在高光谱解混傍边，并博得了少许功效。但利害负矩阵领会对于所求迭代量不是同声凸的，进而形成解不独一的题目，为了对此缺陷举行矫正，往常的非负矩阵扩充算法在NMF的普通上介入正则化项，而且正则化项参数都是手动树立的，如许手动树立参数会带来诸多不及之处。对准那些不及，正文提出了鉴于L-curve的机动估量非负矩阵领会正则化参数的autoNMF算法，该算法在迭代进程中不妨动静机动衡量拟合度因变量和正则化项之间比率。简直在高光谱遥感图像解混中，正文有理地采用了光谱弧线贯串性和丰度散布润滑性动作目的因变量正则化项，而后运用autoNMF算法机动估量这两个正则化项参数。 为了考证autoNMF算法在高光谱遥感图像解混中的灵验性，正文辨别将该算法运用到仿真数据和如实高光谱数据（Urban和Washington.DC）中，并同其它解混算法（VCA，恒定参数的正则化NMF）举行比拟领会，仿真数据和如实高光谱数据截止都表露出autoNMF算法的出色性。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/203501.html