基于L2稀疏约束和图正则化的非负矩阵分解算法
Non-negative Matrix Factorization Based on L2 Sparseness Constraints and Graph Regularization作者机构:宜春学院数学与计算机科学学院
出 版 物:《宜春学院学报》 (Journal of Yichun University)
年 卷 期:2019年第41卷第12期
页 面:28-30,83页
学科分类:07[理学] 08[工学] 081203[工学-计算机应用技术] 070105[理学-运筹学与控制论] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:非负矩阵分解算法(NMF)已经广泛应用于图像处理、模式识别和数据挖掘等相关领域,它旨在寻找两个非负矩阵使其乘积与原始矩阵实现最佳相似。然而,标准的非负矩阵分解算法(NMF)不能发现数据空间的内蕴几何结构。本文提出了一种基于L2稀疏约束和图正则化的非负矩阵分解算法(L2-SGRNMF),并将该方法与标准NMF算法和图正则化非负矩阵分解算法(GRNMF)进行了对比。