模式表示非負(fù)矩陣分解算法的特性研究.pdf

1、非負(fù)矩陣分解算法（NMF）具有不要求信源統(tǒng)計獨立、不要求信源為非高斯分布的優(yōu)點，因而引起了國內(nèi)外學(xué)者的廣泛關(guān)注。模式表示非負(fù)矩陣分解算法（PE-NMF）是對NMF的一種擴(kuò)展。這種改進(jìn)后的算法解決了傳統(tǒng)NMF算法所獲得的基不能對分布不均勻數(shù)據(jù)進(jìn)行有效表示的問題。 本文通過大量信號分離實驗，分別從不同方面對PE-NMF算法的特性做了以下研究工作： （1）驗證了ICA模型在信源統(tǒng)計獨立的情況下允許且僅允許1個信源為高斯分布的結(jié)

2、論，并分別驗證了PE-NMF在信源分布統(tǒng)計相關(guān)以及信源為高斯分布時均可以對信源進(jìn)行有效分離的結(jié)論； （2）研究算法的初始化以及迭代次數(shù)對算法性能的影響，實驗表明初始值對算法分離效果有重要影響，并通過分析指出這種影響不能單純地靠增加迭代次數(shù)得到彌補； （3）研究信源之間的相關(guān)性對算法性能的影響，實驗表明算法性能隨信源之間的相關(guān)性增大而降低，并指出在信源相關(guān)性比較大時算法對信源雖然保持不錯的恢復(fù)效果，卻并不能很好地將不同的真