非负矩阵分解的基本原理和研究现状分析作者：尹星云来源：科技资讯2011年第35期尹星云(淮南师范学院计算机与信息工程系安徽淮南232038)摘要：阐述了非负矩阵分解的基本原理、实现方法及其改进，分析了非负矩阵分解当前研究现状和热点，指出了进一步研究方向。关键词:非负矩阵分解约束优化PCASVD中图分类号:0151.21文献标识码:A文章编号：1672-3791(2011)12(b)-0222-01非负矩阵分解(Non-negativeMatrixFactorization,简记为NMF)是由Lee和Seung在著名的Nature杂志上提出的一种新的矩阵分析方法1,其起源可以追溯到Paatero等人的研究工作。随着计算机和信息技术的发展，矩阵分解成为处理大规模数据的一种有效手段。传统的矩阵分解工具，例如PCA(PrincipalComponentAnalysis)和SVD等,分解的结果常常含有负值，而负元素在实际问题中往往没有合理的物理解释。NMF强制分解过程以及最终结果的矩阵中所有元素均为非负，是一种更加自然的对象的表达方法,所以具有广泛
