基于局部学习正则化的深度矩阵分解方法及图像聚类方法

摘要

本发明提供了一种基于局部学习正则化的深度矩阵分解方法及图像聚类方法，其中，在深度矩阵分解方法中包括：S10根据待聚类图片获取数据矩阵Y；S20基于数据矩阵Y构建目标函数：S30根据目标函数C**，使用迭代加权的方法，输出基矩阵Ni和系数矩阵Mi，完成对数据矩阵Y的分解。与传统的严格意义上的绝对非负矩阵分解相比，不仅通过深度半非负矩阵分解精准高效地完成了数据的分类，同时将部分属性信息进行合并，实现了对各个区域的预测代价最小化。