10.11896/j.issn.1002-137X.2016.7.013
基于图正则化和稀疏约束的半监督非负矩阵分解
非负矩阵分解是在矩阵非负约束下的分解算法.为了提高识别率,提出了一种基于稀疏约束和图正则化的半监督非负矩阵分解方法.该方法对样本数据进行低维非负分解时,既保持数据的几何结构,又利用已知样本的标签信息进行半监督学习,而且对基矩阵施加稀疏性约束,最后将它们整合于单个目标函数中.构造了一个有效的更新算法,并且在理论上证明了该算法的收敛性.在多个人脸数据库上的仿真结果表明,相对于NMF、GNMF、CNMF等算法,GCNMFS具有更好的聚类精度和稀疏性.
非负矩阵分解、图正则、稀疏约束、半监督
43
TP37(计算技术、计算机技术)
国家自然科学基金61572244,61472059;辽宁省高等学校优秀人才支持计划LR2015030
2016-10-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
77-82,105