一种潜在信息约束的非负矩阵分解方法.pdfVIP

第29卷第1期 数 据 采 集 与 处 理 V01．29No．1 ofData and Jan．2014 2014年1月 Journal AcquisitionProcessing 文章编号：1004—9037(2014)01—0011-08 一种潜在信息约束的非负矩阵分解方法 高新波 王 笛 王秀美 (西安电子科技大学电子工程学院，西安，710071) 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。 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 中图分类号：TP391 文献标志码：A PotentialInformationRestrained MatrixFactorization Nonnegative Gao Di Xiumei Xinbo，Wang，Wang (SchoolofElectronic Engineering，XidianUniversity，Xi’an，710071，China) NMFmethoddoesnot utilizetheinternal Abstract：Traditional fully similarityamongoriginal data，thusthe of reductionislimited．Tothisend，anew dimensionality nonnega— performance tivematrixfactorizationrestrainedthe of informationis regularization algorithm by potential informationisminedviatheiterativenearest proposed．Firstly，thepotential neighbor．Then the informationisutilizedtoconstruct ofdata simi— potential similaritygraph set．Finally，the is asa termto the between laritygraphincorporatedregularizationpreserverelationshiporigi— naldatainthe of matrix．The term the processnonnegative regularizationkeeps