本项目针对非负矩阵分解及在盲信号中的应用中关键核心科学问题进行了深入的研究。研究工作覆盖了两大部分,包括(1)对"非负矩阵分解"、"对称张量非负分解"等问题展开深入研究提出多种有效的对称张量非负分解算法;(2)将非负矩阵分解(NMF)广泛应用于盲信号分离与图像压缩,这其中又包过最小体积约束非负矩阵分解MVC-NMF(Minimum-Volume-Constrained NMF),和光谱图像分解(SUSpectral Unmixing)。在国家自然科学基金的资助下,由本项目资助的研究成果获国家自然科学奖二等奖1次。本项目资助的主要发表论文20余篇,其中IEEE Transactions长文12篇(10篇已发表,2篇即将发表),IEEE Signal Processing Letters 1篇,以及Computers & Mathematics with Applications 1篇;其中SCI索引11篇,EI索引5篇。该项目执行期间,并已申请专利6项。
英文主题词Non-negative matrix factorization; Blind source separation; Pattern recognition;Symmetric nonnegative tensor factorization; Parallel factorization