×

流形学习与非负矩阵分解架构综述

消耗积分:0 | 格式:pdf | 大小:6.66 MB | 2021-04-12

分享资料个

　　为处理目标数据集仅有部分成对约束信息可用的半监督聚类场景，基于非负矩阵分解（NMF）架构，通过学习给定成对约束知识和运用流形正则化理论提岀了流形学习与成对约東联合正则化非负矩阵分解聚类方法（NMF- JRMLPO）。该方法一方面引入图拉普拉斯以刻画大量无标记样本蕴含的流形结构信息，另一方面将已知样本间的must-link或 cannot-link成对约束规则融入目标优化设计，在很大程度上提高了所得算法的聚类性能。此外基于l21范数的损失函数设计也有助于优化NMF- JRMLPC的鲁棒性。在八个真实数据集上的实验结果证实了所提方法的有效性。

下载并关注上传者 低至0.43元/天 开通VIP 免费下载

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !