一种潜在信息约束的非负矩阵分解方法

摘要

传统的非负矩阵分解方法没有充分利用数据间的内在相似性,从而影响了算法的性能.为此,本文提出一种潜在信息约束的非负矩阵分解方法.该方法首先利用迭代最近邻方法挖掘原始数据的潜在信息,然后利用潜在信息构造数据之间的相似图,最后将相似图作为约束项求得非负矩阵的最优分解.相似图的约束使得非负矩阵分解在降维过程中保持了原始数据之间的相似性关系,进而提高了非负矩阵分解的判别能力.图像聚类实验结果表明了该方法的有效性.