时间约束NMF算法及其在动态脑功能网络降维中的应用

• 作者: 刘畅 刘辉 熊新 王彬 薛洁 郭子洋
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 高维数据降维 时间约束 非负矩阵分解 聚类
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 短文与研究通讯
• 页码范围: 693-703
• 页数: 11页
• 分类号: TP391.9
• 字数: 6557字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.04.021

摘要

为了保证高维数据中的时间属性在降维过程中得以保持,提出了一种时间约束非负矩阵分解算法(Time constraint Non-negative Matrix Factorization,TNMF).该算法通过融合时间序列信息、数据维度,分解误差等约束条件,共同构建时间属性约束模型,计算最优基矩阵维度,能在降维的同时最大限度地保留原始高维数据的空间结构和时间序列信息.将其用于动态脑功能网络降维的实验结果表明,该算法在时间特征提取、聚类可视化效果和聚类指标上明显优于目前常用的降维聚类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘畅	昆明理工大学信息工程与自动化学院	47	171	7.0	11.0
2	刘辉	昆明理工大学信息工程与自动化学院	147	1430	17.0	34.0
3	王彬	昆明理工大学信息工程与自动化学院	50	321	11.0	15.0
4	薛洁	云南警官学院信息网络安全学院	16	60	5.0	7.0
5	熊新	昆明理工大学信息工程与自动化学院	35	164	7.0	11.0
6	郭子洋	昆明理工大学信息工程与自动化学院	2	1	1.0	1.0