加布里埃拉·卡萨利诺;尼科莱塔·德尔·布奥诺;科拉多·门卡尔 用于播种非负矩阵分解的减法聚类。 （英语） Zbl 1321.62067号 信息科学。 257, 369-387 (2014)。 摘要：非负矩阵分解是一种多元分析方法，在生物信息学、分子模式发现、模式识别、文档聚类等领域有着广泛的应用。它寻求将多元数据矩阵的简化表示转化为仅包含非负元素的基和编码矩阵的乘积，以学习所谓的基于部分的数据表示。所有计算非负矩阵分解的算法都是迭代的，因此由于NMF的局部收敛性，必须特别强调NMF的适当初始化。当数据在文档聚类中具有特殊意义时，选择合适的起始矩阵的问题变得更加复杂。本文提出采用减法聚类算法作为非负矩阵分解算法的初始矩阵生成方案。与其他常用的非负矩阵因式分解算法的初始化进行了比较，结果表明该方案在效率和速度之间取得了很好的平衡。此外，当使用NMF解决聚类问题时（其中数据分组的组数事先未知），当估计数据距离时，所建议的初始化可以为NMF提供许多基础，这说明了其有效性。文中还讨论了适当的秩因子对解释性和结果有效性的影响。 引用于7文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 65楼30 其他矩阵算法（MSC2010） 关键词：非负矩阵分解;减法聚类;初始化方法 PDF格式BibTeX公司 XML格式引用 \textit｛G.Casalino｝等人，《信息科学》。257369-387（2014年；Zbl 1321.62067） 全文： 内政部 参考文献： [2] Anbumalar，S。；Anandanatarajan，R。；Rameshbabu，P.，稀疏非负矩阵分解及其在重叠色谱图分离中的应用，国际计算机应用杂志，21，1-10（2013） [3] 伯曼，A。；Plemmons，R.，《数学科学中的非负矩阵》（1979），学术出版社·Zbl 0484.15016号 [4] 贝里，M。；布朗，M。；A.Langville。；Pauca，P。；Plemmons，R.，近似非负矩阵分解的算法和应用，计算统计和数据分析，52，155-173（2007）·Zbl 1452.90298号 [5] Boutsidis，C。；Gallopoulos，E.，基于Svd的初始化：非负矩阵因式分解的先行者，模式识别，411350-1362（2008）·Zbl 1131.68084号 [6] 布基乌，I。；尼古拉迪斯，N。；Pitas，I.，《关于dnmf算法的初始化》，（IEEE电路与系统国际研讨会论文集（2006），IEEE），4671-4674 [7] 卡萨利诺，G。；Del Buono，N。；Mencar，C.，《文档聚类中非负矩阵因式分解的减法初始化》，（Fanelli，A.；Pedrycz，W.；Petrosino，A.，《模糊逻辑与应用》，计算机科学讲义，第6857卷（2011），Springer:Springer Berlin/Heidelberg），188-195 [8] Cattell，R.B.，因素数量的筛选试验，多元行为研究，1245-276（1966） [9] 陈，Y。；Wang，L。；Dong，M.，半监督异构数据协同聚类的非负矩阵分解，IEEE知识与数据工程学报，221459-1474（2010） [10] Chiu，S.，基于聚类估计的模糊模型识别，智能模糊系统杂志，2267-278（1994） [11] Choi，S.，正交非负矩阵分解算法，（IEEE神经网络国际联合会议，2008，IJCNN 2008（IEEE计算智能世界大会）（2008），IEEE），1828-1832 [12] 朱，M。；Del Buono，N。；洛佩兹，L。；Politi，T.，关于单位球面上数据的低阶近似，SIAM矩阵分析与应用杂志，27，46-60（2003）·Zbl 1083.62044号 [13] Cichocki，A。；扎杜克，R。；Phan，A.H。；Amari，S.，《非负矩阵和张量因子分解：探索性多路数据分析和盲源分离的应用》（2009），Wiley [15] 迪伦，I.S。；Sra，S.，带Bregman发散的广义非负矩阵近似，（神经信息处理系统进展（2005），Curran Associates Inc），283-290 [16] 丁，C。；何，X。；Simon，H.D.，关于非负矩阵分解和k-均值谱聚类的等价性，（SIAM数据挖掘会议论文集（2005），SIAM），606-610 [17] Golub，G.H。；Van Loan，C.F.，《矩阵计算》（2001），约翰霍普金斯大学出版社 [18] 海因里希，K.E。；Berry，M.W。；Homayouni，R.，生物医学文献中使用非负矩阵因子分解的基因树标记，计算智能和神经科学，2008，12（2008） [19] Hoyer，P.O.，稀疏约束下的非负矩阵分解，机器学习研究杂志，51457-1469（2004）·Zbl 1222.68218号 [20] Hyvarinen，A.，独立成分分析，神经计算调查，2（2001）·兹比尔1009.62049 [21] Janecek，A。；Tan，Y.，《使用基于人口的算法初始化非负矩阵因式分解》，（Tan，Y；Shi，Y；Chai，Y；Wang，G，《Swarm Intelligence进展》，《Swarm Intelligation进展》，计算机科学讲义，第6729卷（2011），Springer:Springer Berlin/Heidelberg），307-316 [22] Jolliffe，I.，主成分分析（1986），Springer Verlag·Zbl 1011.62064号 [23] Kaiser，H.F.，《电子计算机在因素分析中的应用，教育和心理测量》，第20期，第141-151页（1960年） [25] Lee，D.D。；Seung，H.S.，通过非负矩阵分解学习对象的各个部分，《自然》，401，788-791（1999）·Zbl 1369.68285号 [26] Lee，D.D。；Seung，H.S.，非负矩阵分解算法，（神经信息处理系统会议进展论文集，第13卷（2000年），麻省理工学院出版社），556-562 [27] 李·T。；Ding，C.，各种非负矩阵因式分解聚类方法之间的关系，（第六届数据挖掘国际会议论文集，ICDM’06（2006），IEEE计算机学会：IEEE计算机协会，华盛顿特区，美国），362-371 [29] B.迈克尔。；Murray，B.，使用非负矩阵分解的电子邮件监控，计算和数学组织理论，11249-264（2005）·Zbl 1086.68502号 [30] Rezaei，M。；Rezaei，R.B.M.，非负矩阵分解的一种有效初始化方法，应用科学杂志，11，354-359（2011） [31] Shahnaz，F。；Berry，M.W。；Pauca，V.P。；Plemmons，R.J.，使用非负矩阵分解的文档聚类，信息处理与管理，42373-386（2006）·Zbl 1087.68104号 [32] Smiled，A。；R兄弟。；Geladi，P.，《多向分析在化学科学中的应用》（2004），Wiley-VCH [34] 斯塔德丹纳，K。；泰斯，F。；Lang，E。；A.汤姆。；Puntonet，C。；维尔达，P.G。；Langmann，T。；Schmitz，G.，《稀疏非负矩阵因式分解应用于微阵列数据集》，《计算机科学讲义》，第3889卷（2006），施普林格出版社：施普林格-柏林/海德堡·Zbl 1178.68467号 [36] Vavasis，S.A.，关于非负矩阵分解的复杂性，SIAM优化杂志，201364-1377（2007）·兹比尔1206.65130 [37] 王，X。；谢，X。；Lu，L.，正交非负矩阵因式分解的有效初始化，计算数学杂志，30，34-46（2012）·兹比尔1265.15028 [39] Wild，S。；柯里，J。；Dougherty，A.，通过结构化初始化改进非负矩阵因子分解，模式识别，372217-232（2004） [40] Z.晓军。；迈克尔·贝里；雅各布·科根，《文本挖掘：应用与理论》。文本挖掘：应用与理论，信息检索，14，208-211（2011） [41] 徐伟（Xu，W.）。；刘，X。；Gong，Y.，基于非负矩阵分解的文档聚类，（第26届国际ACM SIGIR信息检索研究与开发会议论文集，SIGIR’03（2003），ACM：美国纽约州纽约市ACM），267-273 [42] 薛，Y。；Tong，C.S。；陈，Y。；Chen，W.S.，基于聚类的非负矩阵因式分解初始化，应用数学与计算，525-536（2008）·Zbl 1152.68506号 [43] Yoo，J。；Choi，S.，联合聚类的正交非负矩阵三因子化：Stiefel流形的乘法更新，信息处理与管理，46559-570（2010） [44] 赵，L。；张，G。；Xu，X.，基于pca和nmf的面部表情识别，（第七届世界智能控制与自动化大会论文集（2008），施普林格），6826-6829 [45] 郑，Z。；杨布，J。；Zhuc，Y.，非负矩阵分解的初始化增强器，人工智能的工程应用，20，101-110（2007） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。