计算机科学与探索

作者：李向利，张颖

单位：1. 桂林电子科技大学 数学与计算科学学院，广西 桂林 5410042. 广西密码学与信息安全重点实验室，广西 桂林 5410043. 广西自动检测技术与仪器重点实验室，广西 桂林 5410044. 广西高校数据分析与计算重点实验室，广西 桂林 541004

关键词：非负矩阵分解（NMF）,半监督聚类,图正则,核方法

非负矩阵分解（NMF）是一种非常有效的数据降维方法，广泛应用于图像聚类等领域。然而NMF是一种无监督的方法，没有使用数据的标签信息，也不能捕获数据固有的几何结构，并且这是一种线性的方法，不能处理数据是非线性的情况。为此，提出了一种带核方法的判别图正则非负矩阵分解算法。该算法使用了部分有标签数据的标签信息，加入了图正则项来捕获数据的几何结构，使用核方法解决了数据非线性的问题，分解的结果能够有效地提高聚类效果。一般的非负矩阵分解迭代更新的初始化是随机产生的，使用一种“热启动”的策略，减小了结果的随机性。在几种图片数据集上使用该算法进行聚类实验，并与一些先进算法进行了比较，实验结果证明了该算法的有效性。

来源：2020年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第11期