一种稀疏图正则化的非负低秩矩阵分解算法

• 作者: 刘国庆 卢桂馥 张强
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 非负矩阵分解算法(NMF) 鲁棒性 低秩约束 图正则化 稀疏约束
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 295-303
• 页数: 9页
• 分类号: TP391
• 字数: 6333字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2020.02.017

摘要

非负矩阵分解方法(non-negative matrix factorization,NMF)广泛应用于图像聚类、计算机视觉、信息检索等领域.但是,现有的NMF方法还存在一些不足之处:①NMF方法直接在高维原始图像数据集上计算它的低维表示,而实际上原始图像数据集的有效信息常常隐藏在它的低秩结构中;②NMF方法还存在对噪声敏感以及鲁棒性差的缺点.为了提高NMF算法的鲁棒性和可解释性,提出一种稀疏图正则化的非负低秩矩阵分解算法(sparse graph regularized non-negative low-rank matrix factorization,SGNLMF).通过低秩约束和图正则化,SGNLMF算法同时利用了数据的几何信息和有效低秩结构;此外,SGNLMF算法还对基矩阵加以稀疏约束,使得其鲁棒性和可解释性均有一定的提升.还提出了一种求解SGNLMF的迭代算法,并从理论上分析了该求解算法的收敛性.通过在ORL和YaleB数据库上的实验结果表明SGNLMF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	卢桂馥	安徽工程大学计算机与信息学院	56	202	7.0	11.0
2	刘国庆	安徽工程大学计算机与信息学院	6	5	1.0	2.0
3	张强	安徽工程大学计算机与信息学院	4	8	1.0	2.0