带有Kullback-Leibler散度的正交非负矩阵分解
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对正交非负矩阵分解（ONMF）中普遍使用的弗罗贝nius范数存在的局限性，提出了一种新的基于Kullback-Leibler（KL）散度的模型和算法。这一新方法在文档分类和超光谱图像解混合中表现优越，能更好地处理泊松分布的数据，填补了现有方法的不足。
本研究提出了一种新模型和算法，利用Kullback-Leibler散度解决正交非负矩阵分解中弗罗贝nius范数的不足。该方法在文档分类和超光谱图像解混合中效果显著，特别适合处理泊松分布数据。
