一种潜在信息约束的非负矩阵分解方法

被引:2
作者
高新波
王笛
王秀美
机构
[1] 西安电子科技大学电子工程学院
基金
国家杰出青年科学基金;
关键词
数据降维; 非负矩阵分解; 潜在信息; 相似图; 迭代最近邻;
D O I
10.16337/j.1004-9037.2014.01.022
中图分类号
TP181 [自动推理、机器学习];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
传统的非负矩阵分解方法没有充分利用数据间的内在相似性,从而影响了算法的性能。为此,本文提出一种潜在信息约束的非负矩阵分解方法。该方法首先利用迭代最近邻方法挖掘原始数据的潜在信息,然后利用潜在信息构造数据之间的相似图,最后将相似图作为约束项求得非负矩阵的最优分解。相似图的约束使得非负矩阵分解在降维过程中保持了原始数据之间的相似性关系,进而提高了非负矩阵分解的判别能力。图像聚类实验结果表明了该方法的有效性。
引用
收藏
页码:11 / 18
页数:8
相关论文
共 15 条
[1]   基于一种连续自编码网络的图像降维和重构 [J].
胡昭华 ;
宋耀良 .
数据采集与处理, 2010, 25 (03) :318-323
[2]  
Document clustering using nonnegative matrix factorization[J] . Farial Shahnaz,Michael W. Berry,V.Paul Pauca,Robert J. Plemmons. &nbspInformation Processing and Management . 2004 (2)
[3]   Multiple graph regularized nonnegative matrix factorization [J].
Wang, Jim Jing-Yan ;
Bensmail, Halima ;
Gao, Xin .
PATTERN RECOGNITION, 2013, 46 (10) :2840-2847
[4]   基于卷积非负矩阵分解的语音转换方法 [J].
孙健 ;
张雄伟 ;
曹铁勇 ;
杨吉斌 ;
孙新建 .
数据采集与处理, 2013, 28 (02) :141-148
[5]  
Farial Shahnaz,Michael W. Berry,V.Paul Pauca,Robert J. Plemmons.  Document clustering using nonnegative matrix factorization[J]. Information Processing and Management . 2004 (2)
[6]  
Zafeiriou, Stefanos,Tefas, Anastasios,Buciu, Ioan,Pitas, Ioannis.Exploiting discriminant information in nonnegative matrix factorization with application to frontal face verification. IEEE Transactions on Neural Networks . 2006
[7]  
L. Lovasz,M. Plummer.Matching Theory. Journal of Women s Health . 1986
[8]  
Stan Z Li,Xin Wen Hou,HongJiang Zhang,et al.Learning spatially localized,parts-based representation. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition . 2001
[9]  
Belkin M,Niyogi P.Laplacian Eigenmaps and Spectral Techniques for Embedding and Clustering. Advances in Neural Information Processing Systems . 2001
[10]  
Chen Wang,Junping Zhang,Liang Wang.Human Identification Using Temporal Information Preserving Gait Template. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2012