基于约束图正则的块稀疏对称非负矩阵分解

作者：刘威; 邓秀勤^*; 刘冬冬; 刘玉兰

来源：计算机科学, 2023, 50(07): 89-97.

• 对称非负矩阵因式分解
• 亲和矩阵
• 成对约束
• 图正则
• 块稀疏

现有的基于对称非负矩阵因式分解(Symmetric Nonnegative matrix Factorization, SymNMF)算法大都仅依赖初始数据构造亲和矩阵，并且一定程度上忽视了样本有限的成对约束信息，无法有效区分不同类别的相似样本以及学习样本的几何特征。针对以上问题，提出了基于约束图正则的块稀疏对称非负矩阵分解(Block Sparse Symmetric Nonnegative Matrix Factorization Based on Constrained Graph Regularization, CGBS-SymNMF)。首先，通过先验信息构造约束图矩阵，用于指导类别指示矩阵区分高相似度的不同类别样本；然后，引入PCP-SDP(Pairwise Constraint Propagation by Semi-definite Programming)方法，利用成对约束学习一个新的样本图映射矩阵；最后，利用“勿连”约束构造不相似矩阵，用于引导一个块稀疏正则项，以增强模型抗噪能力。实验结果表明，所提算法具有更高的聚类精确度和稳定性。

• 单位
  广东工业大学