流形正則化的約束矩陣分解及其在圖像聚類中的應用.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展以及智能手機的普及，人們獲取及接觸到的圖像數(shù)據(jù)越來越多，圖像數(shù)據(jù)有一個顯著特點就是維數(shù)很高。我們在得到極大便利的同時，也面臨著如何有效分析和處理這些龐大數(shù)據(jù)的難題。圖像聚類技術(shù)不斷應用在高維圖像數(shù)據(jù)中，它將相似性高的圖像數(shù)據(jù)聚成一簇，相似性低的圖像聚到不同簇。近年來，非負矩陣分解（NMF）被證明是一種高效的降維方法，它被廣泛應用在計算機視覺，模式識別和信息檢索中。然而，NMF實際上是一種無監(jiān)督的方法，它不能利用數(shù)據(jù)的先驗

2、信息來提高準確度。
　　本論文在研究流形學習的基礎上，提出了一種基于流形正則化的半監(jiān)督非負矩陣分解方法，其不僅可以利用數(shù)據(jù)的幾何信息，而且以適當?shù)男问嚼孟闰灅撕炐畔碓鰪奛MF的聚類準確度。具體來說，我們期望一個流形正則化項能夠保留原始數(shù)據(jù)的局部幾何結(jié)構(gòu)，同時，在新的基構(gòu)成的坐標空間中，具有相同標簽的數(shù)據(jù)點應當被聚到同一簇中，具有不同標簽的數(shù)據(jù)點應當被聚到不同簇中。這樣一來，降維后的數(shù)據(jù)就會具有更強的區(qū)分能力。我們將這種方法應用