摘要
非负矩阵分解(Nonnegative Matrix Factorization,NMF)给矩阵分解加了非负的约束条件,其分解的子矩阵更容易解释。传统的NMF算法使用基于L2范数的优化目标,不容易识别非线性分布的数据结构。为了解决这一问题,提出一种基于L21范数的正则化非负矩阵分解算法,将非负矩阵分解的目标函数写成L21范数的形式,并在目标函数中加入图正则化项,使其能更好地处理复杂的非线性数据。最后,使用基准数据集,在聚类任务上测试所提出算法的性能。实验结果表明,所提出的算法可以提取数据的关键特征,获得原始数据的低维表示,产生更好的聚类结果。
-
单位长沙民政职业技术学院; 中南林业科技大学