基于L21范数的正则化非负矩阵分解算法

论文摘要

非负矩阵分解（Nonnegative Matrix Factorization,NMF）给矩阵分解加了非负的约束条件,其分解的子矩阵更容易解释。传统的NMF算法使用基于L2范数的优化目标,不容易识别非线性分布的数据结构。为了解决这一问题,提出一种基于L21范数的正则化非负矩阵分解算法,将非负矩阵分解的目标函数写成L21范数的形式,并在目标函数中加入图正则化项,使其能更好地处理复杂的非线性数据。最后,使用基准数据集,在聚类任务上测试所提出算法的性能。实验结果表明,所提出的算法可以提取数据的关键特征,获得原始数据的低维表示,产生更好的聚类结果。

论文目录

• 1 引言
• 2 相关工作
•   2.1 标准NMF算法
•   2.2 L21NMF算法
•   2.3 MNMF算法
• 3 基于L21范数的正则化NMF算法
•   3.1 RNMFL21算法的定义
•   3.2 RNMFL21算法的更新规则
• 4 实验分析
•   4.1 数据集
•   4.2 聚类评价指标
•   4.3 实验结果
•   4.4 算法收敛性
• 5 结论

文章来源

类型: 期刊论文

作者: 李成,赵海琳

关键词: 非负矩阵分解,范数,正则化,聚类

来源: 控制工程 2019年09期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,计算机软件及计算机应用

单位: 长沙民政职业技术学院图书信息中心,中南林业科技大学计算机与信息工程学院

基金: 湖南省教育厅科学研究项目(17C0094)

分类号: TP311.13;O151.21

DOI: 10.14107/j.cnki.kzgc.170766

页码: 1712-1716

总页数: 5

文件大小: 859K

下载量: 144