山东大学学报（理学版）２０２３年３月第５８卷第３期Ｅ⁃ｍａｉｌ：ｘｂｌｘｂ＠ｓｄｕ．ｅｄｕ．ｃｎＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），Ｖｏｌ．５８，Ｎｏ．３，２０２３ｈｔｔｐ：／／ｌｘｂｗｋ．ｎｊｏｕｒｎａｌ．ｓｄｕ．ｅｄｕ．ｃｎ©山东大学科技期刊社版权所有Ｔｅｌ：＋８６⁃５３１⁃８８３６６９１７收稿日期：２０２２⁃０１⁃２６；网络出版时间：２０２３⁃０２⁃１６０８：５３：３６网络出版地址：ｈｔｔｐ：／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／３７．１３８９．Ｎ．２０２３０２１５．１１５３．０２２．ｈｔｍｌ基金项目：国家自然科学基金青年项目（１２００１０５７）；长安大学中央高校基本科研业务费专项资金资助项目（３００１０２１２２１０１）第一作者简介：韦芳（１９９９—），女，硕士研究生，研究方向为机器学习．Ｅ⁃ｍａｉｌ：２７６６８２５６６３＠ｑｑ．ｃｏｍ∗通信作者简介：王长鹏（１９８５—），男，博士，副教授，研究方向为机器学习．Ｅ⁃ｍａｉｌ：ｃｐｗａｎｇ＠ｃｈｄ．ｅｄｕ．ｃｎ文章编号：１６７１⁃９３５２（２０２３）０３⁃０１０１⁃０８ＤＯＩ：１０．６０４０／ｊ．ｉｓｓｎ．１６７１⁃９３５２．０．２０２２．０５９基于双高斯先验的低秩矩阵分解模型韦芳，王长鹏∗（长安大学理学院，陕西西安７１００６４）摘要：为了更好地拟合复杂噪声，增强低秩矩阵分解模型的鲁棒性，将双高斯先验引入到传统的高斯混合模型中，提出了基于双高斯先验的低秩矩阵分解（ｌｏｗ⁃ｒａｎｋｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎｗｉｔｈｄｏｕｂｌｅＧａｕｓｓｉａｎｐｒｉｏｒ，ＤＧＰ⁃ＬＲＭＦ）模型，通过模型分解得到的２个矩阵均服从高斯先验，从而实现对噪声的有效建模，并在贝叶斯理论框架下利用ＥＭ算法实现模型参数的推断。实验结果验证了所提模型能够有效地处理含有复杂噪声的数据，取得了更优且更具稳定性的去噪效果。关键词：高斯混合模型；低秩矩阵分解；高斯先验中图分类号：ＴＰ３９１文献标志码：Ａ引用格式：韦芳，王长鹏．基于双高斯先验的低秩矩阵分解模型［Ｊ］．山东大学学报（理学版），２０２３，５８（３）：１０１⁃１０８．Ｌｏｗ⁃ｒａｎｋｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎｗｉｔｈｄｏｕｂｌｅＧａｕｓｓｉａｎｐｒｉｏｒｍｏｄｅｌＷＥＩＦａｎｇ，ＷＡＮＧＣｈａｎｇ⁃ｐｅ...
