基于非负矩阵分解的均方残差多视图聚类算法

作者：郝敬琪; 胡立华^*; 张素兰; 张继福

来源：计算机技术与发展, 2023, 33(12): 65-71.

• 均方残差
• 非负矩阵分解
• 流行正则化
• 希尔伯特-施密特独立性准则
• 谱聚类

针对高维海量数据，现有的多视图聚类方法存在无法发现高维视图隐藏信息、聚类效果差等问题。结合均方残差(Mean Squared Residue, MSR)思想，提出了一种基于非负矩阵分解的均方残差多视图聚类方法(Mean Squared Residue Non-negative Matrix Factorization, MSRNMF)。首先，采用改进的非负矩阵分解方法结合流形学习、希尔伯特-施密特独立性准则计算各单视图的系数矩阵，不仅降低了多视图中各个视图的维度，而且有效地提取了高维数据中的隐藏信息；其次，采用谱聚类算法对各单视图的系数矩阵进行聚类，获得单视图聚类簇；接着，利用均方残差思想，针对各单视图聚类结果进行融合，得到最终多视图聚类结果；最后，以标准数据集和古建数据集为对象进行验证，实验结果表明该算法在精度上优于MVCF,GPSNMF,GPMVNMF,DMF和MCLES,在古建筑集上效果明显，进而验证了算法的有效性。

• 单位
  太原科技大学