稀疏约束图正则非负矩阵分解的增量学习算法

• 作者: 孙福明 曹玉东 汪金涛
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 非负矩阵分解 稀疏约束 图正则 几何结构 增量学习
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 1071-1074
• 页数: 4页
• 分类号: TP181
• 字数: 4483字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.04.1071

摘要

针对非负矩阵分解后数据的稀疏性降低、训练样本增多导致运算规模不断增大的现象,提出了一种稀疏约束图正则非负矩阵分解的增量学习算法.该方法不仅考虑数据的几何信息,而且对系数矩阵进行稀疏约束,并将它们与增量学习相结合.算法在稀疏约束和图正则化的条件下利用上一步的分解结果参与迭代运算,在节省大量运算时间的同时提高了分解后数据的稀疏性.在ORL和PIE人脸数据库上的实验结果表明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙福明	辽宁工业大学电子与信息工程学院	58	153	6.0	7.0
2	曹玉东	辽宁工业大学电子与信息工程学院	44	166	7.0	11.0
3	汪金涛	辽宁工业大学电子与信息工程学院	7	11	2.0	3.0