流形学习与成对约束联合正则化非负矩阵分解

• 作者: 曹佳伟 钱鹏江
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 聚类 非负矩阵分解(NMF) 流形正则化 成对约束 半监督学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1211-1220
• 页数: 10页
• 分类号: TP391
• 字数: 6562字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1902011

摘要

为处理目标数据集仅有部分成对约束信息可用的半监督聚类场景,基于非负矩阵分解(NMF)架构,通过学习给定成对约束知识和运用流形正则化理论提出了流形学习与成对约束联合正则化非负矩阵分解聚类方法(NMF-JRMLPC).该方法一方面引入图拉普拉斯以刻画大量无标记样本蕴含的流形结构信息,另一方面将已知样本间的must-link或cannot-link成对约束规则融入目标优化设计,在很大程度上提高了所得算法的聚类性能.此外基于l2,1范数的损失函数设计也有助于优化NMF-JRMLPC的鲁棒性.在八个真实数据集上的实验结果证实了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱鹏江	江南大学数字媒体学院	33	123	5.0	9.0
2	曹佳伟	江南大学数字媒体学院	1	0	0.0	0.0