自适应图正则化的低秩非负矩阵分解算法

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

作者机构：安徽工程大学计算机与信息学院安徽芜湖241009 

基　　金：国家自然科学基金项目(61976005,61772277) 安徽省自然科学基金项目(1908085MF183) 

出 版 物：《智能系统学报》 (CAAI Transactions on Intelligent Systems)

年 卷 期：2022年第17卷第2期

页      码：325-332页

摘      要：图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor,KNN)方法预先定义的,而KNN方法无法总是获得最优图解,从而使得GNMF算法的性能不能达到最优。为此,本文提出了一种自适应图正则化的非负矩阵分解算法(nonnegative low-rank matrix factorization with adaptive graph neighbors,NLMFAN)。一方面,通过引入低秩约束,使得NLMFAN可以获得原始数据集的有效低秩结构;另一方面,设计了一种通过自适应求解相似度矩阵的方法来进行图的构建,即图的构造和矩阵分解的结果被融入一个整体的框架中,使得图中节点的相似性是自动从数据中学习得到的。此外,本文还给出了一种求解NLMFAN的有效算法。在多种数据集上的实验验证了本文所提出的算法的有效性。

主 题 词：聚类 特征提取 降维 流形学习 非负矩阵分解 低秩约束 图正则化 自适应聚类 

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] 

核心收录：

D　O　I：10.11992/tis.202102007

馆 藏 号：203110358...