学习一致相似度矩阵的图非负矩阵分解

• 作者: 李向利 逯喜燕 范学珍
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 非负矩阵分解 图正则 相似度矩阵 图像聚类
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 数学
• 页码范围: 262-273
• 页数: 12页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2022.0262

摘要

非负矩阵分解(NMF)是一种有效的数据降维方法,广泛应用于图像聚类等领域.然而,NMF不能捕获数据固有的几何结构,所以基于图的非负矩阵分解被提出.基于图的算法大多使用K-近邻来构造相似度图.由于数据中的异常值和错误特征,直接构造图是不准确的.针对上述问题,提出了基于学习一致性相似度矩阵的图非负矩阵分解方法.该方法首先通过自适应学习来获得相似度矩阵,然后通过相似度矩阵构造拉普拉斯图正则项,最后将该正则项加入原始的非负矩阵分解模型中.优化了之前直接使用K-近邻构图的弊端,并且能很好地保持数据的几何结构.新提出的算法在USPS、yale、faces以及ORLdata数据集上进行聚类试验并与一些先进算法进行了比较.数值试验结果证明了本文提出的算法性能很好.