资料下载
×
一种基于预处理的超图非负矩阵分解算法
消耗积分:0 |
格式:pdf |
大小:2.39 MB |
2021-05-18
分享资料个
随着多媒体技术的发展，信息越来越多的以图片的形式岀现。如何对海量的无标签图片进行聚类，是机器学习领域的热点问题。而图像聚类在人脸识别、手写数字识别等领域也有着重要的作用。由于图片数据通常以非负矩阵的形式存储，因此非负矩阵分解算法（NMF）在图像聚类领域得到了广泛的应用。但是NMF算法直接在数据的原始空间进行处理，这就导致NMF算法所得的图片标签易受到数据采集过程中含有的噪声等不利因素的影响。为了解决这些问题，提出了一种基于预处理的超图非负矩阵分解算法（ Nonnegative Matrix Factorization with Hypergraph Based on Per-treatments， PHGNMF）。PHGNMF算法将预处理操作和超图的思想引入到NMF算法。在预处理的过程中，使用灰度处理来去除图片中不同光线条件所带来的影响，采用小波分析来提取图片的低时频子图，同时降低了算法所处理的矩阵维度。采取构建超图的方法来进一步保留对聚类结果有重要影响的数据局部结构。最后在5个主流数据集上的实验验诬了 PHGNMF算法相对于传统算法的有效性，结果显示聚类精度提升了2%~7%，标准互信息在部分数据集上提升了2%~5%。
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
- 相关下载
- 相关文章
