符号

图聚类相似矩阵的非负低秩逼近。非负矩阵分解(NMF)提供了一个由两个非负因子乘积得到的矩阵的低阶近似。NMF已经被证明可以产生比其他方法(如K-means)更好的聚类结果。在本文中,我们进一步解释了NMF作为一种聚类方法,并研究了一种扩展的图聚类公式对称NMF(SymNMF)。与以数据矩阵为输入的NMF不同,SymNMF采用非负相似矩阵作为输入,并计算对称非负低秩近似。证明了SymNMF与谱聚类相关,证明了SymNMF是一种通用的图聚类方法,并讨论了SymNMF和谱聚类的优缺点。我们提出了两种SymNMF的优化算法,并讨论了它们的收敛性和计算效率。我们在文档聚类、图像聚类和图像分割方面的实验支持SymNMF作为一种图形聚类方法,可以捕捉数据中潜在的线性和非线性关系。


zbMATH中的参考文献(参考文献13条,1标准件)

显示结果1到13,共13个。
按年份排序(引用)

  1. 德拉戈米尔,拉杜·亚历山德罗;德阿斯普雷蒙特,亚历山德拉;Bolte,Jérôme:低秩极小化的四次一阶方法(2021)
  2. 穆蒂埃,弗朗索瓦;范代尔,阿诺;Gillis,Nicolas:非对角对称非负矩阵分解(2021)
  3. 法瓦蒂,P。;洛蒂,G。;门奇,O。;Romani,F.:对称非负矩阵分解的自适应计算(SymNMF)(2020)
  4. 齐斯勒,马提亚斯;泽恩,阿琼;佩特拉,斯蒂芬妮娅;Schnörr,Christoph:图上无监督数据标记的自分配流(2020)
  5. 杜润东;德雷克,巴里;Park,Haesun:使用联合非负矩阵分解基于内容和连接结构的混合聚类(2019)
  6. 法瓦蒂,保拉;洛蒂,格拉齐亚;门奇,奥内拉;Romani,Francesco:一类多项式函数全局最小化的自适应过程(2019)
  7. 范代尔,阿诺;格利纽尔,弗朗索瓦;Gillis,Nicolas:半正定因式分解算法(2018)
  8. 张新宇;高洪波;李国鹏;赵建辉;霍建豪;尹佳伦;刘玉超;郑,李:基于图正则化非负矩阵分解的多视图聚类用于目标识别(2018)
  9. 杜润东;匡达;德雷克,巴里;Park,Haesun:DC-NMF:基于分治的非负矩阵分解,用于快速聚类和主题建模(2017)
  10. Elbassioni,哈立德;Nguyen,Trung Thanh:计算低CP秩分解的多项式时间算法(2017)
  11. 佩尔文、岑吉兹;莫汉,斯雷亚斯;Chklovskii,Dmitri B.:使用生物神经网络进行盲非负源分离(2017)
  12. 乔,杰古尔;李昌铉;雷迪,钱丹K。;Park,Haesun:用户驱动聚类的弱监督非负矩阵分解(2015)
  13. 匡、达;云,三云;Park,Haesun:SymNMF:图聚类相似矩阵的非负低秩近似(2015)