基于干净数据的流形正则化非负矩阵分解

作     者：李华 卢桂馥 余沁茹 LI Hua;LU Guifu;YU Qinru

作者机构：安徽工程大学计算机与信息学院安徽芜湖241000 

基　　金：国家自然科学基金面上项目(61976005) 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2021年第41卷第12期

页      码：3492-3498页

摘      要：现有的非负矩阵分解(NMF)算法往往基于欧氏距离来设计目标函数,对噪声比较敏感。为了增强算法的鲁棒性,提出一种基于干净数据的流形正则化非负矩阵分解(MRNMF/CD)算法。在MRNMF/CD算法中,把低秩约束、流形正则化和NMF技术无缝地融为一体,使算法性能较为优异。首先,通过添加低秩约束,MRNMF/CD可以从噪声数据中恢复干净数据,并获得数据的全局结构;其次,为了利用数据的局部几何结构信息,MRNMF/CD把流形正则化融入目标函数中。此外,还提出了一种求解MRNMF/CD的迭代算法,并从理论上分析了该求解算法的收敛性。在ORL、Yale和COIL20数据集上的实验结果表明,MRNMF/CD算法比现有的k-means、主成分分析(PCA)、NMF和图正则化非负矩阵分解(GNMF)算法具有更好的识别准确性。

主 题 词：低秩约束 非负矩阵分解 流形正则化 鲁棒性 干净数据 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.11772/j.issn.1001-9081.2021060962

馆 藏 号：203106950...