基于流形正则化判别的因子分解.PDFVIP

　第４８卷　第５期 山　东　大　学　学　报　（理　学　版） ２０１３年５月　 　 　 　 　 　 　Ｖｏｌ．４８　 Ｎｏ．５　 　 　 　 　 ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ） Ｍａｙ２０１３　 　文章编号：１６７１９３５２（２０１３）０５００６３０７　　　ＤＯＩ：１０．６０４０／ｊ．ｉｓｓｎ．１６７１９３５２．０．２０１２．５６０ 基于流形正则化判别的因子分解 １ ２ １ １ 杜世强 ，石玉清 ，王维兰 ，马明 （１．西北民族大学数学与计算机科学学院，甘肃 兰州７３００３０；２．西北民族大学电气工程学院，甘肃 兰州７３００３０） 摘要：通过对非负矩阵分解（ｎｏｎｎｅｇａｔｉｖｅｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎ，ＮＭＦ）和因子分解（ｃｏｎｃｅｐｔｆａｃｔｏｒｉｚａｔｉｏｎ，ＣＦ）的分 析，针对它们无法核化或忽略数据几何结构和判别信息的问题，提出了基于流形正则化判别的因子分解算法 （ｍａｎｉｆｏｌｄｒｅｇｕｌａｒｉｚｅｄｂａｓｅｄｄｉｓｃｒｉｍｉｎａｎｔｃｏｎｃｅｐｔｆａｃｔｏｒｉｚａｔｉｏｎ，ＭＲＣＦ）。该算法用ＣＦ算法对数据进行低维非负分 解时，根据流形学习的图框架理论，构建邻接矩阵保持数据局部几何结构；利用样本的标签信息，进行监督学习， 给出算法多步更新规则，理论上证明了ＭＲＣＦ算法的收敛性。在人脸数据库ＯＲＬ、图像库ＣＯＩＬ２０和手写体数据 库ＵＳＰＳ上的仿真结果表明，相对于ＮＭＦ、ＣＦ及其一些改进算法，ＭＲＣＦ均具有更高的聚类精度。 关键词：图像聚类；流形学习；因子分解；判别分析 中图分类号：ＴＰ３９１４　　　文献标志码：Ａ Ｍａｎｉｆｏｌｄｒｅｇｕｌａｒｉｚｅｄｂａｓｅｄｄｉｓｃｒｉｍｉｎａｎｔｃｏｎｃｅｐｔｆａｃｔｏｒｉｚａｔｉｏｎ １ ２ １ １ ＤＵＳｈｉｑｉａｎｇ，ＳＨＩＹｕｑｉｎｇ，ＷＡＮＧＷｅｉｌａｎ，ＭＡＭｉｎｇ （１．ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＮｏｒｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｆｏｒＮａｔｉｏｎａｌｉｔｉｅｓ，Ｌａｎｚｈｏｕ７３００３０，Ｇａｎｓｕ，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｆｏｒＮａｔｉｏｎａｌｉｔｉｅｓ，Ｌａｎｚｈｏｕ７３００３０，Ｇａｎｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｎｏｎｎｅｇａｔｉｖｅｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎ（ＮＭＦ）ａｎｄｃｏｎｃｅｐｔｆａｃｔｏｒｉｚａｔｉｏｎ（ＣＦ）ｃａｎｂｅｆｏｕｎｄｎｏｔｔｏｍａｋｅｕｓｅｏｆ ｔｈｅｐｏｗｅｒｏｆｋｅｒｎｅｌｉｚａｔｉｏｎｏｒｐａｙａｎｙａｔｔｅｎｔｉｏｎｔｏｔｈｅｇｅｏｍｅｔｒｉｃｓｔｒｕｃｔｕｒｅａｎｄｔｈｅｌａｂｅｌｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｄａｔａ．Ａｎｏｖｅｌ ａｌｇｏｒｉｔｈｍｃａｌｌｅｄｍａｎｉｆｏｌｄｒｅｇｕｌａｒｉｚｅｄｂａｓｅｄｄｉｓｃｒｉｍｉｎａｎｔｃｏｎｃｅｐｔｆａｃｔｏｒｉｚａｔｉｏｎ（ＭＲＣＦ）．Ｗｈｅｎｏｒｉｇｉｎａｌｄａｔａｉｓｆａｃｔｏｒ ｉｚｅｄｉｎｌｏｗｅｒｄｉｍｅｎｓｉｏｎａｌｓｐａｃｅｕｓｉｎｇＣＦ，ＭＲＣＦｐｒｅｓｅｒｖｅｓｔｈｅｉｎｔｒｉｎｓｉｃｇｅｏｍｅｔｒｙｏｆｄａｔａ，ｕｓｉｎｇｔｈｅｌａｂｅｌｉｎｆｏｒｍａｔｉｏｎ ａｓｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ，ｐｒｏｄｕｃｉｎｇａｎｅｆｆｉｃｉｅｎｔｍｕｌｔｉｐｌｉｃａｔｉｖｅｕｐｄａｔｉｎｇｐｒｏｃｅｄｕｒｅａｎｄｐｒｏｖｉｄｉｎｇｔｈｅｃｏｎｖｅｒｇｅｎｃｅｐｒｏｏｆｏｆ ｏｕｒａｌｇｏｒｉｔｈｍ．Ｃｏｍｐａｒ