基于Nystr(o)m采样和凸NMF的偏好聚类

• 作者: 刘惊雷 杨美姣
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: Nystr(o)m方法 凸的非负矩阵分解 偏好聚类 聚类中心 聚类指示器
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: CRSSC-CWI-CGrC-3WD 2017
• 页码范围: 55-61,78
• 页数: 8页
• 分类号: TP181
• 字数: 8719字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.01.008

摘要

大规模的稀疏图数据在现实中大量出现,例如协同图、拉普拉斯矩阵等.非负矩阵分解(NMF)已经成为数据挖掘、信息检索和信号处理的一个非常重要的工具.随着数据量的不断增大,如何实现大规模数据的偏好聚类是一个重要的问题.采用两阶段的方法来实现大规模的偏好聚类,即首先利用Nystr(o)m的近似采样方法,从大数据上获得数据的初始轮廓,获得部分用户-用户相似矩阵或电影-电影相似矩阵,从而可以将原始的高维空间降低到一个低维子空间;然后通过对低维相似矩阵进行凸的非负矩阵分解,从而得到聚类的中心和指示器,聚类的中心表示电影或用户的特征,指示器表示用户或电影特征的权重.该两阶段偏好聚类方法的优点是,初始数据轮廓的近似获取以及凸的非负矩阵分解,使得该方法具有较好的鲁棒性和抗噪性;另外,子空间的数据来源于真实的矩阵行列数据,使得偏好聚类结果具有良好的可解释性.采用Nystr(o)m方法解决了大规模的数据无法在内存中存储的问题,从而大大节省了内存,提高了运行效率.最后在合有100000条电影的数据集上进行偏好聚类,结果表明了该聚类算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘惊雷	烟台大学计算机与控制工程学院	63	262	8.0	13.0
2	杨美姣	烟台大学计算机与控制工程学院	3	2	1.0	1.0