非负矩阵与张量分解及其应用

阵的低秩逼近是一种大规模矩阵低秩近似表示技术，是从大规模、复杂的数据中寻求数据潜在信息的一种强有力方法。非负矩阵分解（NonnegativeMatrixFactorization,NMF)）是矩阵的低秩逼近方法之一，它是指被分解的矩阵和分解结果矩阵的数值都是非负的。由于该方法符合数据的真实物理属性，数据的可解释性强，分解结果能够表示事物的局部特征，且模型符合人们对于客观世界的认识规律（整体是由局部组成的）等优点，模型和算法自提出以来得到了广泛研究和应用，已经被成功地应用到许多领域。当模型数据的指标集多于两个时，模型数据就可以表示成张量的形式，因此张量可以看成是向量和矩阵在高维空间的推广。对于张量代数理论及其应用的研究也是近来研究的一个热