譜聚類論文非負(fù)矩陣分解論文

1、論文發(fā)表專家一顧中國學(xué)術(shù)期刊網(wǎng)譜聚類論文非負(fù)矩陣分解論文摘要：聚類問題一直是模式識別和機(jī)器學(xué)習(xí)領(lǐng)域一個比較活躍而且極負(fù)挑戰(zhàn)性的研究方向。譜聚類是近年來興起的一類較流行的聚類方法。該文將非負(fù)約束引入到傳統(tǒng)的譜聚類方法中，提出了一種基于非負(fù)約束的譜聚類方法。非負(fù)約束已在許多應(yīng)用領(lǐng)域被證明是一種有用的性質(zhì)。文中對比實(shí)驗(yàn)表明，基于非負(fù)約束的譜聚類方法在整體上明顯優(yōu)于傳統(tǒng)的譜聚類方法。關(guān)鍵詞：譜聚類；非負(fù)約束；聚類；非負(fù)矩陣分解aspectralclusteringmethodwiththenonnegativeconstraintwangchun-tengl,fuchuan-yi2,xingjie-q

2、ing2(.collegeofelectronicinformationengineeringofqiongzhouuniversity,sanya572022,china;2.departmentofmoderneducationtechnology,qiongtaiteacherscollege,haikou571100,china)abstract:clusteringisachallengingandactiveresearchtopicinpatternrecognitionandmachinelearning.spectralclusteringisanewmethodforclu

3、hispaper,thenonnegativeconstraintspectralclustering.isintroducedintothetraditional論文發(fā)表專家一顧中國學(xué)術(shù)期刊洌wwv/thenmf-basedisproposed.theadvantageofthenonnegativeconstrainhasbeenconformedinmanyapplicationfields.theresultsoftheexperimentsinthepaperevaluatetheproposedmethod.keywords:spectralclusterin

4、g;nonnegativeconstraint;clustering;nonnegativematrixfactorization聚類分析是模式識別和機(jī)器學(xué)習(xí)中重要研究課題之一。所謂聚類(clustering)就是將給定數(shù)據(jù)對象集合劃分為多個類或簇(cluster)，使得在同一簇中的對象之間具有較高的相似度，而不同簇中的對象差異較大。在現(xiàn)有的聚類方法中，k-均值聚類是最簡單、使用最普遍的方法之一。類似于k-均值，這些傳統(tǒng)的聚類算法大多是基于中心的方法，是建立在凸球形的樣本空間上。當(dāng)樣本空間不滿足凸形時，算法容易陷入局部最優(yōu)。譜聚類算法(spectralclusteringalgorithm)避

5、免了這個問題。該算法建立在圖論中的譜圖理論基礎(chǔ)上，其本質(zhì)是將聚類問題轉(zhuǎn)換為圖的最優(yōu)劃分問題。與傳統(tǒng)的聚類算法相比，譜聚類算法將聚類轉(zhuǎn)換為一個代數(shù)上的矩陣求解問題，具有能在任意形狀的樣本空間上聚類且收斂于全局最優(yōu)解的優(yōu)點(diǎn)1。在現(xiàn)實(shí)世界中，許多信號數(shù)據(jù)是分非的，例如，圖像、論文發(fā)表專家一顧中國學(xué)術(shù)期刊洌wwv/文本等。由這些現(xiàn)實(shí)領(lǐng)域收集的樣本組成的數(shù)據(jù)矩陣是非負(fù)數(shù)據(jù)矩陣。進(jìn)過一般的譜運(yùn)算，例如svd、pea等，得到的目標(biāo)特征向量中通常含有許多負(fù)值。在許多應(yīng)用中，非負(fù)約束被引入。我們希望得到的目標(biāo)特征向量中僅含有非負(fù)的數(shù)據(jù)。這個約束在許多情況下是很有意義的。一方面，使得到的樣本特征具有現(xiàn)實(shí)的物理意義；另一方面，這種約束的引入更有利于在目標(biāo)映射中保持樣本的局部特征。非負(fù)矩陣分解(non-negativematrixfactorization，簡稱nmf)正是為解決這個問題而提出的2-3。自提出以來，許多文獻(xiàn)對其進(jìn)行了研究。一些文獻(xiàn)是基于算法和模型變形的2-6，而另一些是基于應(yīng)用的，非負(fù)矩陣分解已經(jīng)被成功地應(yīng)用于許多領(lǐng)域，包括生物信息學(xué)7-8，物理學(xué)9，多媒體數(shù)據(jù)10，文本挖掘11-12等。其中最成功的應(yīng)用是數(shù)據(jù)聚類13。本文就nmf的這種優(yōu)勢引入到傳統(tǒng)的譜聚類方法中，提出了一種基于非負(fù)約束的譜聚類方法nmfsc。1非負(fù)矩陣分解給定