摘要：在现实生活中，许多的数据都是由多个提供不同甚至互补信息的视角所组成的。例如某一图像既有其颜色特征又有其纹理特征，二者在图像领域都十分重要并且在一定程度上互补。由此可知，整合这些不同视角的信息并发现这些信息共享的潜在空间这个想法在图像标注领域是十分重要的。本文在介绍了非负矩阵分解的基本思想后根据其与概率潜语义分析之间的关系引出了多视角非负矩阵分解。然后介绍了多视角非负矩阵分解的原理、使得数据矩阵分解后的系数矩阵拥有概率上的意义以及不同视角之间变得可比的归一化策略、实现相应算法的迭代更新规则等，同时在手写数字数据集上进行了算法的复现实验。最后从目标函数、迭代更新规则等方面介绍了图规格化非负矩阵分解。在受到其启发后，将其融入到多视角非负矩阵的实验中，相较于融合之前取得了略微的效果提升。

关键词：图像标注；非负矩阵分解；图规则化

目录

摘要

Abstract

1 绪论-1

1.1 研究背景和意义-1

1.2 国内外研究现状-2

1.3 课题主要研究内容-2

2 非负矩阵分解概述-3

2.1 非负矩阵分解-3

2.2 非负矩阵分解与概率潜语义分析的关系-4

3 基于多视角非负矩阵分解的图像标注-5

3.1 概述-5

3.2 目标函数-5

3.3 解决目标函数的优化问题-6

3.3.1固定，通过迭代U,V来最小化O-6

3.3.2固定U，V，通过迭代来最小化O-7

3.4 实验数据集与参数选择-7

3.5 实验结果与分析-8

4 融入图规则化思想的图像标注-10

4.1 概述-10

4.2 图规则化的非负矩阵分解-10

4.3 MvNMFSK(同时分解且基底向量数目相同)-10

4.4 MvNMFDK(分时分解且基底向量数目不同)-12

4.5 实验数据集与参数选择-12

4.6 实验结果与分析-12

结   论-14

参 考 文 献-15

致   谢-16