基于图正则化的半监督非负矩阵分解

• 作者: 杜世强 王维兰 石玉清 马明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像聚类 半监督学习 非负矩阵分解 图正则化
• 年，卷（期）: 2012,（36）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 194-200
• 页数: 7页
• 分类号: TP391.4
• 字数: 5158字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1205-0357

摘要

提出了一种基于图正则化的半监督非负矩阵分解算法(GSNMF),克服了非负矩阵分解(NMF)、约束非负矩阵分解(CNMF)和图正则化非负矩阵分解(GNMF)方法忽略样本数据的局部几何结构或标签信息不足的缺陷,且NMF、CNMF和GNMF均为GSNMF的特例.也从理论上证明了GSNMF算法的收敛性.该算法对样本数据进行低维非负分解时,在图框架下既保持数据的几何结构,又利用已知样本的标签信息,在进行半监督学习时,同类样本能更好地聚集而类间距离尽可能大.在人脸数据库ORL、FERET和手写体数据库USPS上的仿真结果表明,相对于NMF及其一些改进算法,GSNMF均具有更高的聚类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马明	西北民族大学数学与计算机科学学院	65	182	8.0	10.0
2	王维兰	西北民族大学数学与计算机科学学院	44	276	10.0	14.0
3	杜世强	西北民族大学数学与计算机科学学院	9	20	3.0	4.0
4	石玉清	西北民族大学电气工程学院	6	16	3.0	4.0