基于粒子群优化非平滑非负矩阵分解算法.pdfVIP

第 39卷 第 1期 计 算 机 工 程 2013年 1月 、，0l-39 No．1 ComputerEngineering January 2013 · 人工智能及识别技术 · 文章编号：1000—-3428(2013)o1—_0204—_04 文献标识码lA 中田分类号tTP18 基于粒子群优化的非平滑非负矩阵分解算法 戴华平，王 旭，胡红亮，王玉涛 (浙江大学工业控制研究所，杭州 310027) 摘 要：传统的非平滑约束的非负矩阵分解算法(nsNMF)在处理高光谱数据时，存在对初始值敏感、辛易陷入局部最优值 等缺陷。为此，提出一种基于粒子群优化(PSO)的nsNMF算法。采用传统nsNMF算法迭代的结果作为初始值，以避免PSO 的盲 目搜索。通过PSO搜索端元光谱矩阵，利用 nsNMF算法更新端元光谱矩阵和丰度矩阵，以缩小搜索空间，降低计算 复杂度，避免陷入局部最优。在合成数据集和真实数据集上的实验结果表明，与传统nsNMF算法相比，该算法能获得更好 的全局最优解，端元光谱和丰度值更接近真实值。 关健词：非负矩阵分解；粒子群优化算法；高光谱；线性光谱模型；全局最小值；稀疏性 NonsmoothNonnegativeM atrixFactorizationAlgorithm Based0nParticleSwarm Optimization DAIHua-ping，W ANG Xu，HU Hong—fiang，W ANG Yu-tao (IndustrialControlResearchInstitute，ZhejiangUniversity，Hangzhou310027，China) lAbstract】ThertaditionalnonsmoothNonnegativeMatrixFactorization(nsNMF)isaneffectivealgorithm todealwith hyperspectraldata，buttheweaknessesofbeingsensitivetoinitialvaluesandeasilyfallingtolocalminimum limititsapplying．To solve thisproblem，thepaperproposesanonsmooth nonnegativemartix factorization algorithm based on Particle Swarm Optimization(PSO)whichcanfindglobalminimum．ItusestheoutputofnsNMFastheinitialvaluestoavoidblindsearch．It serachesendmembersfractionbyPSO，thenupdatesendmembersandabundancematrixbynsNMFalgorithm．Experimentalresults basedonsyntheticdatasetandtruthfuldatasetshowsthatthisalgorithm hasbetterglobaloptimalsolution．Itsendmemberand abundnaceraeclosertotruevalue． [KeywordslNonnegativeMatrixFactorization(NMF)；ParticleSwarm Optimization(PSO)algoritmh ；hyperspectral；Liner SpecrtalMixtureModel(LSMM)；globalminimum；sparseness DOI：10．3969j／．issn．1000．3428．2013．01．044 1 概述 NMF)tel是一种新的矩阵分解方法，目前已经被用于高 光谱的混合像元分解。然而非