杜世强1, 石玉清2, 马明1, 王维兰1
DU Shiqiang1, SHI Yuqing2, MA Ming1, WANG Weilan1
摘要:
基于图正则化非负矩阵分解算法(GNMF), 提出一种基于凸光滑的L3/2范数正则化图非负矩阵分解算法. 该算法用非负矩阵分解算法对数据进行低维非负分解时, 根据流形学习的图框架理论, 构建邻接矩阵保持数据局部几何结构, 并对数据的低维表示特征进行凸光滑的L3/2范数稀疏性约束, 在给出算法更新迭代规则的同时, 从理论上证明了所给算法的收敛性. 通过人脸数据库ORL、 手写体数据库USPS和图像库COIL20的仿真实验表明, 相对于非负矩阵分解算法及其基于稀疏表示的改进算法, 所给算法均具有更高的聚类精度.
中图分类号: