基于鉴别流形的不相关稀疏投影非负矩阵分解

• 作者: 任世锦 徐桂云 李新玉 杨茂云
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 非负矩阵分解 鉴别流形 统计不相关特征 稀疏性 投影梯度优化
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 1-12,28
• 页数: 13页
• 分类号: TP301
• 字数: 8851字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.2.2014.155

摘要

基于流形学习、稀疏表示和鉴别分析理论，提出一种基于鉴别流形的统计不相关稀疏投影非负矩阵分解（discriminative manifold—based uncorrelated sparse projective NMF，DMUPNMF）算法。该方法继承了线性投影NMF优点，充分利用了数据集的局部和非局部几何鉴别信息，能够从数据集中抽取不相关鉴别特征，且分解结果具有良好的数据局部表示和稀疏性；给出多乘更新规则求解优化算法并证明其收敛性，还给出投影梯度优化算法以提高收敛速度。为解决大规模数据处理中计算量和存储空间过大问题，提出一种从训练集选取少量代表性样本学习DMUPNMF方法。大量的实验表明，该算法优于现有的改进NMF算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐桂云	中国矿业大学机电工程学院	82	290	9.0	14.0
2	杨茂云	中国矿业大学机电工程学院	20	25	3.0	4.0
4	任世锦	江苏师范大学计算机科学与技术学院	11	22	3.0	4.0
6	李新玉	中国矿业大学机电工程学院	6	4	1.0	1.0