J4 ›› 2013, Vol. 48 ›› Issue (05): 63-69.
杜世强1,石玉清2,王维兰1,马明1
DU Shi-qiang1, SHI Yu-qing2, WANG Wei-lan1, MA Ming1
摘要:
通过对非负矩阵分解(non-negative matrix factorization, NMF)和因子分解(concept factorization,CF)的分析,针对它们无法核化或忽略数据几何结构和判别信息的问题,提出了基于流形正则化判别的因子分解算法(manifold regularizedbased discriminant concept factorization, MRCF)。该算法用CF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;利用样本的标签信息,进行监督学习,给出算法多步更新规则,理论上证明了MRCF算法的收敛性。在人脸数据库ORL、图像库COIL20和手写体数据库USPS上的仿真结果表明,相对于NMF、CF及其一些改进算法,MRCF均具有更高的聚类精度。
No related articles found! |
|