基于正交非负矩阵分解的K-means聚类算法研究

摘要：

为提高K-means聚类算法在高维数据下的聚类效果,提出了一种基于正交非负矩阵分解的K-means聚类算法.该算法对原始数据进行非负矩阵分解,并分别通过改进的Gram-Schmidt正交化和Householder正交化加入了正交约束,以保证低维特征的非负性,增加数据原型矩阵的正交性,然后进行K-means聚类.实验结果表明,基于IGS-ONMF和H-ONMF的K-means聚类算法在处理高维数据上具有更好的聚类效果.

关键词：高维数据、非负矩阵分解、降维、正交NMF、K-means聚类

所属期刊栏目：43

分类号：TP274(自动化技术及设备)

资助基金：江苏省产学研联合创新资金项目SBY201320423

在线出版日期：2016-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：204-208