来源：期刊VIP网 时间：
作者：杨颂;孙莉;陈文佳;
单位：山东农业大学信息科学与工程学院;
摘要：层次结构使得深度学习模型能够自动提取原始数据的多层次特征,但具体应用中存在可解释性受限的问题.本文提出了具有多层结构的深度非负矩阵分解算法,每层矩阵分解对应的优化目标函数结合了L_(2,1)范数和稀疏约束正则项,保证分解结果的稀疏性和鲁棒性.借助于辅助函数推导了算法的迭代公式,并进行了收敛性分析.最终在高光谱遥感图像光谱解混的应用场景,验证了算法的性能.本研究将多层结构引入非负矩阵分解的方法可为新一代可解释性机器学习算法的设计提供借鉴.
关键词：深度非负矩阵分解;;可解释性机器学习方法;;多层结构;;光谱解混
基金资助：中国科学院战略性先导科技专项基金（XDB0900201）;; 国家自然科学基金（11701337,52275262）;; 山东省研究生教育质量提升计划建设项目（SDYAL2023041）
