非负矩阵分解(NMF)方法在计算机视觉、模式识别、数据表示或聚类问题中有着重要作用。基于传统NMF算法提出了一种带有L2稀疏约束和超图正则的非负矩阵分解(SHGNMF)方法。其优势在于考虑了数据集的内在几何信息和稀疏性。具体内容如下:首先,在NMF中加入了超图正则项,同时保持数据集的内在几何结构信息。其次,将L2稀疏约束项引入NMF中,产生更加稀疏精确的解,并证明该算法是收敛的。最后,在公开数据集对图像进行聚类,数值实验结果表明,该方法是有效的。
科研之友
微信
新浪微博
Facebook
分享链接
