基于图正则化的受限非负矩阵分解算法及在图像表示中的应用

摘要：

非负矩阵分解(NMF)是一种非常有效的图像表示方法,已被广泛应用到模式识别领域.针对NMF算法是无监督学习算法,无法同时考虑样本类别信息和固有几何结构信息的缺点,提出一种基于图正则化的受限非负矩阵分解(GRCNMF)的算法.该算法利用硬约束保持样本的类别信息,增强算法的鉴别能力,同时还利用近邻图来保持样本间固有的几何结构.通过在COIL20和ORL图像库中的聚类实验结果表明GRCNMF优于其它几种算法,说明GRCNMF的有效性.

关键词：非负矩阵分解(NMF)、受限、图正则化、几何结构、聚类

分类号：TP391(计算技术、计算机技术)

在线出版日期：2013-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：300-306