图优化的低秩双随机分解聚类

• 作者: 余景丽 张涛 胡恩良
• 来源期刊: 计算机应用研究
• 关键词: 低秩双随机矩阵分解 图优化 稳定性 聚类
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 355-357
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.08.0874

摘要

低秩双随机矩阵分解聚类(low-rank doubly stochastic matrix decomposition for cluster analysis,DCD)通过最小化KL(Kullback-Leibler)散度准则:KL(A,S),从图关联矩阵S中获得一个非负低秩双随机矩阵分解:A=UUT(U≥0),并以U作为类标签矩阵进行聚类.在DCD方法中,因矩阵S是固定不可变的,故S初始取值选取的好坏对聚类结果有极大影响,这导致了它缺乏稳定性.针对这一问题,提出了一种基于图优化的DCD方法,将图关联矩阵S和DCD的优化集成在统一框架中,这改进和拓展了原始的DCD方法.实验结果表明,与DCD方法相比,图优化的DCD方法具有更好的聚类精确度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡恩良	云南师范大学数学学院	11	13	2.0	3.0
2	余景丽	云南师范大学数学学院	3	5	1.0	2.0
3	张涛	云南师范大学数学学院	5	8	2.0	2.0