稀疏表示（Sparse Representations）與 非負矩陣分解（NMF, non-negative matrix factorization）
稀疏表示（Sparse Representations）
用较少的基本信号的线性组合来表达大部分或者全部的原始信号
https://blog.csdn.net/bbbeoy/article/details/80889386
NMF 非负矩阵分解 -- 原理与应用
NMF的思想：V=WH（W权重矩阵、H特征矩阵、V原矩阵），通过计算从原矩阵提取权重和特征两个不同的矩阵出来。属于一个无监督学习的算法，其中限制条件就是W和H中的所有元素都要大于0
https://blog.csdn.net/qq_26225295/article/details/51211529
【数据挖掘】特征抽取之NMF
https://blog.csdn.net/sprayabc/article/details/9918393
用较少的基本信号的线性组合来表达大部分或者全部的原始信号
https://blog.csdn.net/bbbeoy/article/details/80889386
NMF 非负矩阵分解 -- 原理与应用
NMF的思想：V=WH（W权重矩阵、H特征矩阵、V原矩阵），通过计算从原矩阵提取权重和特征两个不同的矩阵出来。属于一个无监督学习的算法，其中限制条件就是W和H中的所有元素都要大于0
https://blog.csdn.net/qq_26225295/article/details/51211529
【数据挖掘】特征抽取之NMF
https://blog.csdn.net/sprayabc/article/details/9918393
Python机器学习应用 | 降维——NMF方法及实例
白话NMF（Non-negative Matrix Factorization）——Matlab 实现
Matlab非负矩阵分解（NMF）
nnmf