用于独立特征学习的稀疏非负矩阵分解算法

• 作者: 熊李艳 赵杨 黄卫春
• 来源期刊: 计算机应用研究
• 关键词: 非负矩阵分解 L2,1/2稀疏 独立特征学习 余弦相似性
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 986-989
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0724

摘要

为了防止特征的共适应性,提出利用余弦相似度来减少潜在特征之间的相关性,从而提高非负矩阵分解(non-negative matrix decomposition,NMF)的独立特征学习能力.此外,为了使得分解后的矩阵具有较好的稀疏性,提出在传统N MF模型中引入L2,1/2稀疏约束,增强了算法的局部学习能力和稳健性.因此,潜在特征中的语义信息更加明显,潜在空间的表示更具有判别性.在fetch_20newsgroups数据集上对文档聚类的实验结果表明,提出的INMF算法在一系列评价指标上效果都优于传统的NMF、SNMF等算法模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊李艳	华东交通大学信息工程学院	32	92	6.0	8.0
2	黄卫春	华东交通大学软件学院	20	96	6.0	9.0
3	赵杨	华东交通大学软件学院	1	0	0.0	0.0