基于最大熵與相關(guān)性分析的非負(fù)矩陣分解

摘要： 為解決傳統(tǒng)非負(fù)矩陣分解不考慮潛在因子的相關(guān)性與分布特征等缺點(diǎn)，提出一種基于最大熵與相關(guān)性分析的非負(fù)矩陣分解方法。利用最大熵原理描述非負(fù)矩陣分解中的潛在因子分布，以捕捉語義質(zhì)量的潛在因子特性，并提出一種基于相似性的方法來度量差異性。將自適應(yīng)加權(quán)策略引入因子間的相互關(guān)系，使得每個(gè)潛在因子能夠無監(jiān)督地獲得自適應(yīng)權(quán)重，并對(duì)自適應(yīng)加權(quán)的潛在因子進(jìn)行非線性變換。在多個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明...