基于超图正则化非负Tucker分解的图像聚类算法

摘要：

针对非负张量分解应用于图像聚类时忽略了高维数据内部几何结构的问题,在经典的张量非负Tucker分解的基础上,添加超图正则项以尽可能多地保留原始数据的内在几何结构信息,提出一种基于超图正则化非负Tucker分解模型HGNTD.通过构造超图刻画数据内部样本间的高阶关系,提高几何结构描述的准确性,针对超图正则化非负张量分解模型,基于交替非负最小二乘法,设计快速有效的超图正则化非负Tucker分解算法求解所给模型,证明算法在非负的条件下是收敛的,最终将算法应用于图像聚类.在Yale和COIL两个常用公开数据集上的实验结果表明,相对于k-means、非负矩阵分解、图正则化非负矩阵分解、非负Tucker分解和图正则化非负Tucker分解等算法,超图正则化非负Tucker分解算法聚类准确度提升了8.6％～11.4％,归一化互信息提升了2.0％～7.5％,具有更好的聚类效果.

关键词：非负张量分解、Tucker分解、超图学习、交替非负最小二乘法、聚类分析

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省科学技术基金项目;贵州省教育厅自然科学研究项目

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：197-205