椭球般的非负矩阵分解圆整在有噪音可分情况下的应用
通过将可分离性非负矩阵因式分解问题转化为寻找一个向量有限集的锥壳的极端射线，本文提出了一类高度可扩展和实验噪声稳健的新型可分离 NMF 算法，并实现了分布式共享内存的高可扩展性算法
Oct, 2012
本文介绍了两种算法，Shift-NMF 和 Nearly-NMF，可以处理输入数据的嘈杂性和负值，并且可以正确恢复非负信号，而无需对负数据进行截断，避免了引入正偏移。
Nov, 2023
本文介绍了非负矩阵分解的稀疏特征提取功能，并探讨了如何解决通常情况下 NP 困难的 NMF 问题，介绍了一个称为近可分离 NMF 的问题子类，可以高效地解决一些在有噪声的情况下的 NMF 问题。最后简要描述了 NMF 在数学和计算机科学领域的若干相关问题。
Jan, 2014
本研究针对非负矩阵分解以近可分离性为前提条件的问题，提出了基于半定编程的预处理方法，有效改善了连续投影算法的性能，并在多个数据集上得到实际验证，同时也探讨了主动集方法在大规模高光谱图像中的应用。
Oct, 2013
本文提出了 MahNMF 方法以及 5 种扩展，用于处理非负矩阵。利用两种算法，即秩一残留迭代（RRI）方法和 Nesterov 的平滑方法，有效地优化了 MahNMF 和其扩展。MahNMF 方法在处理重尾部的拉普拉斯噪声时，能够很好地拟合数据，是一种鲁棒性较强的方法。
Jul, 2012
该论文提出了一种基于 Burer-Monteiro 分解的 NMF-like 算法，通过将 SDP 松弛的 K-means 问题约束为非负低秩矩阵，实现了和 NNF 算法一样简单、可扩展且具有强大的统计优化保证的聚类效果。该算法在实验中的误聚类错误率明显低于现有的最新技术。
May, 2023
通过结合相关对象，无监督机器学习技术旨在揭示数据集中的潜在模式。在本文中，我们提出了一项关于多模态聚类算法的研究，并提出了一种名为多模态多视图非负矩阵分解的新方法，其中我们分析了多个局部 NMF 模型的协同作用。实验结果表明，所提出的方法具有较大的价值，并使用多种数据集进行评估，相比于现有的方法，获得了非常有前景的结果。
Aug, 2023