数据降维笔记——非负矩阵分解（NMF）,人脸数据特征提取

数据降维——非负矩阵分解（NMF） 一、原理 Non-negative Matrix Factorization,实在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。 NMF能够广泛应用于图像分析、文本挖掘和语音处理等领域。 基本思想：给定一个非负矩阵V, NMF能够找到一个非负矩阵W和一个非负矩阵H，使得矩阵W和H的乘积近似等于矩阵V中的值。 V(F∗N)=W(F∗K)∗H(K∗N) W矩阵

>>阅读原文<<