阵的低秩逼近是一种大规模矩阵低秩近似表示技术，是从大规模、复杂的数据中 寻求数据潜在信息的一种强有力方法。非负矩阵分解（ Nonnegative MatrixFactorization, NMF)） 是矩阵的低秩逼近方法之一，它是指被分解的矩阵和分解结果矩阵的数值都 是非负的。由于该方法符合数据的真实物理属性，数据的可解释性强，分解结果能够表 示事物的局部特征，且模型符合人们对于客观世界的认识规律（整体是由局部组成的） 等优点， 模型和算法自提出以来得到了广泛研究和应用，已经被成功地应用到许多

基于张量分解算法的增量降维研究