科研之友
微信
新浪微博
Facebook
分享链接
摘要
非负矩阵分解算法可以从高维数据中提取出低维和稀疏的有用信息，是处理图像聚类、数据压缩和特征提取等问题的重要手段。传统非负矩阵分解算法大多采用欧几里得距离来度量重构误差，尽管在许多任务中已经显示出有效性，但在解决实际应用问题时仍旧面临着聚类效果欠佳、收敛速度慢、稳定性较差等问题。为解决这些问题，文中采用Lp范数作为非负矩阵分解的损失函数，通过调节系数■来获得更好的聚类结果。基于协同优化理论和Majorization-Minimization算法，文中使用粒子群优化算法来并行求解基于Lp范数的非负矩阵分解问题，并在多个真实数据集上验证了所提方法的可行性和有效性。实验结果表明所提算法明显提升了程序的执行效率且一系列评价指标均优于传统非负矩阵分解算法。
-
单位重庆三峡学院
