بررسی جامع بر استراتژیهای مختلف انتخاب نقطه شروع در الگوریتم های تجزیه نامنفی ماتریسی

پیشرفت های تکنولوژیکی اخیر در فناوری سنسور و سخت افزار کامپیوتر که موجب افزایش مقدار اطلاعات شده است، به سرعت در بسیاری از ابزارهای تجزیه و تحلیل داده های کلاسیک موجود، مورد استفاده قرار گرفته است. تجزیه ماتریس یک الگوریتمی هوشمند برای تحلیل داده ها است. قدرت این الگوریتم زمانی بیشتر نمایان خواهد شد که بتواند تعابیر مختلفی را از ساختار نهان داده ها آشکار سازد. این نوع تجزیه به عنوان یک مسئله NP-Hard در تجزیه ماتریس ها شناخته شده و از این الگوریتم به عنوان یک روش کارا و موثر نسبت به سایر روش های تجزیه یاد گردیده است. در این مقاله، ابتدا به بررسی شش فرآیند مقداردهی اولیه الگوریتم تجزیه ماتریس نامنفی می پردازیم و سپس درباره ساختار هر روش و برخی از ویژگی های آن صحبت خواهیم کرد. در نهایت، برای مقایسه کارایی روش های ذکر شده، با استفاده از الگوریتم Lee و پایگاه داده معروف چهره ORL استفاده خواهیم کرد.

Keywords:

مقداردهی اولیه , الگوریتم های تجزیه ماتریس نامنفی , کاهش ابعاد , کاهش رتبه