In the non-negative matrix factorization (NMF) problem, the input is an $m\times n$ matrix $M$ with non-negative entries and the goal is to factorize it as $M\approx AW$. The $m\times k$ matrix $A$ and the $k\times n$ matrix $W$ are both constrained to have non-negative entries. This is in contrast to singular value decomposition, where the matrices $A$ and $W$ can have negative entries but must satisfy the orthogonality constraint: the columns of $A$ are orthogonal and the rows of $W$ are also orthogonal. The orthogonal non-negative matrix factorization (ONMF) problem imposes both the non-negativity and the orthogonality constraints, and previous work showed that it leads to better performances than NMF on many clustering tasks. We give the first constant-factor approximation algorithm for ONMF when one or both of $A$ and $W$ are subject to the orthogonality constraint. We also show an interesting connection to the correlation clustering problem on bipartite graphs. Our experiments on synthetic and real-world data show that our algorithm achieves similar or smaller errors compared to previous ONMF algorithms while ensuring perfect orthogonality (many previous algorithms do not satisfy the hard orthogonality constraint).


翻译:在非负矩阵因子化(NMF)问题中,输入的值是美元,而不是美元,输入的值是美元,而不是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的目的是将它乘以美元,输入的是美元,输入的目的是将它乘以美元,输入的是美元,输入的目的是将它乘以美元。美元,输入美元,输入美元,输入的是美元,输入美元,输入的是美元,输入美元,输入的是美元。美元,输入美元,输入的是美元,输入美元,输入美元,输入美元,输入美元,输入的是美元,输入的是美元,输入美元,输入的是美元,输入美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,然后输入的是美元,输入的是美元,输入的是美元,然后输入的是美元,输入的是美元,输入的是美元,然后输入的是美元,输入的是美元,输入的是美元,输入的是美元,然后输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,然后是货币,然后是货币,然后是货币,然后是货币,输入的是美元,输入的是美元,然后是货币,输入的是美元,输入的是美元,然后是货币,输入的是美元,或者是货币,然后是货币,然后是货币,或者是货币,然后是货币,然后是货币,然后是货币,然后是货币,或者是货币,然后是货币,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,输入的是美元,是货币,是货币,然后是货币,然后是货币,然后是货币,然后是货币,然后是货币,是货币,是货币,是货币,然后是货币,是货币,是货币,输入的,

0
下载
关闭预览

相关内容

专知会员服务
63+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
182+阅读 · 2019年10月11日
提高GAN训练稳定性的9大tricks
人工智能前沿讲习班
13+阅读 · 2019年3月19日
Unsupervised Learning via Meta-Learning
CreateAMind
44+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
ICLR 2018最佳论文AMSGrad能够取代Adam吗
论智
6+阅读 · 2018年4月20日
lightgbm algorithm case of kaggle(上)
R语言中文社区
8+阅读 · 2018年3月20日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
已删除
将门创投
8+阅读 · 2017年7月21日
Arxiv
3+阅读 · 2018年10月18日
VIP会员
最新内容
人工智能赋能无人机:俄乌战争(万字长文)
专知会员服务
4+阅读 · 今天6:56
国外海军作战管理系统与作战训练系统
专知会员服务
2+阅读 · 今天4:16
美军条令《海军陆战队规划流程(2026版)》
专知会员服务
9+阅读 · 今天3:36
《压缩式分布式交互仿真标准》120页
专知会员服务
4+阅读 · 今天3:21
《电子战数据交换模型研究报告》
专知会员服务
6+阅读 · 今天3:13
《基于Transformer的异常舰船导航识别与跟踪》80页
《低数据领域军事目标检测模型研究》
专知会员服务
6+阅读 · 今天2:37
【CMU博士论文】物理世界的视觉感知与深度理解
专知会员服务
10+阅读 · 4月22日
伊朗战争停火期间美军关键弹药状况分析
专知会员服务
8+阅读 · 4月22日
电子战革命:塑造战场的十年突破(2015–2025)
相关VIP内容
专知会员服务
63+阅读 · 2020年3月4日
强化学习最新教程,17页pdf
专知会员服务
182+阅读 · 2019年10月11日
相关资讯
提高GAN训练稳定性的9大tricks
人工智能前沿讲习班
13+阅读 · 2019年3月19日
Unsupervised Learning via Meta-Learning
CreateAMind
44+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
ICLR 2018最佳论文AMSGrad能够取代Adam吗
论智
6+阅读 · 2018年4月20日
lightgbm algorithm case of kaggle(上)
R语言中文社区
8+阅读 · 2018年3月20日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
已删除
将门创投
8+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员