稀疏诱导流形正则化凸非负矩阵分解算法

TP181; 针对非负矩阵分解方法在有噪声的真实数据中获得特征的有效性问题,提出了一种稀疏诱导的流形正则化凸非负矩阵分解算法.所提算法在流形正则化的基础上,向低维子空间的基矩阵添加基于L2,1范数的稀疏约束,构建了乘法更新规则,分析在该规则下算法的收敛性,并设计了在低维子空间上不同噪声环境下的聚类实验.K均值聚类实验结果表明,稀疏约束降低了噪声特征在学习中的表达能力,所提算法在不同程度上优于同类8种算法,对噪声有更强的稳健性....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 41; no. 5; pp. 84 - 95
Main Authors 邱飞岳, 陈博文, 陈铁明, 章国道
Format Journal Article
LanguageChinese
Published 浙江工业大学教育科学与技术学院,浙江杭州 310023 25.05.2020
浙江工业大学计算机科学与技术学院,浙江杭州 310023%浙江工业大学计算机科学与技术学院,浙江杭州,310023
Subjects
流形正则化
K均值聚类
稀疏约束
非负矩阵分解
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2020064

Cover

More Information
Summary:TP181; 针对非负矩阵分解方法在有噪声的真实数据中获得特征的有效性问题,提出了一种稀疏诱导的流形正则化凸非负矩阵分解算法.所提算法在流形正则化的基础上,向低维子空间的基矩阵添加基于L2,1范数的稀疏约束,构建了乘法更新规则,分析在该规则下算法的收敛性,并设计了在低维子空间上不同噪声环境下的聚类实验.K均值聚类实验结果表明,稀疏约束降低了噪声特征在学习中的表达能力,所提算法在不同程度上优于同类8种算法,对噪声有更强的稳健性.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2020064