带核方法的判别图正则非负矩阵分解

TP391.1; 非负矩阵分解(NMF)是一种非常有效的数据降维方法,广泛应用于图像聚类等领域.然而NMF是一种无监督的方法,没有使用数据的标签信息,也不能捕获数据固有的几何结构,并且这是一种线性的方法,不能处理数据是非线性的情况.为此,提出了一种带核方法的判别图正则非负矩阵分解算法.该算法使用了部分有标签数据的标签信息,加入了图正则项来捕获数据的几何结构,使用核方法解决了数据非线性的问题,分解的结果能够有效地提高聚类效果.一般的非负矩阵分解迭代更新的初始化是随机产生的,使用一种"热启动"的策略,减小了结果的随机性.在几种图片数据集上使用该算法进行聚类实验,并与一些先进算法...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 14; no. 11; pp. 1899 - 1907
Main Authors 李向利, 张颖
Format Journal Article
LanguageChinese
Published 广西自动检测技术与仪器重点实验室,广西 桂林 541004%桂林电子科技大学 数学与计算科学学院,广西 桂林 541004 01.11.2020
广西高校数据分析与计算重点实验室,广西 桂林 541004
广西密码学与信息安全重点实验室,广西 桂林 541004
桂林电子科技大学 数学与计算科学学院,广西 桂林 541004
Subjects
非负矩阵分解(NMF)
半监督聚类
图正则
核方法
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2002041

Cover

More Information
Summary:TP391.1; 非负矩阵分解(NMF)是一种非常有效的数据降维方法,广泛应用于图像聚类等领域.然而NMF是一种无监督的方法,没有使用数据的标签信息,也不能捕获数据固有的几何结构,并且这是一种线性的方法,不能处理数据是非线性的情况.为此,提出了一种带核方法的判别图正则非负矩阵分解算法.该算法使用了部分有标签数据的标签信息,加入了图正则项来捕获数据的几何结构,使用核方法解决了数据非线性的问题,分解的结果能够有效地提高聚类效果.一般的非负矩阵分解迭代更新的初始化是随机产生的,使用一种"热启动"的策略,减小了结果的随机性.在几种图片数据集上使用该算法进行聚类实验,并与一些先进算法进行了比较,实验结果证明了该算法的有效性.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2002041