典型文献
基于自步学习的对称非负矩阵分解算法
文献摘要：
提出一种基于自步学习的对称非负矩阵分解算法,通过误差驱动的方式使模型更好地区分正常样本与异常样本,进而提高模型的聚类性能.该方法为所有样本赋予了一个可以衡量其难易程度的权重变量,并采用硬加权与软加权两种策略分别对此变量进行约束以保证模型的合理性.在图像、文本等多个数据集上进行聚类分析,实验结果表明了所提算法的有效性.
文献关键词：
无监督学习;对称非负矩阵分解;误差驱动;自步学习;聚类
中图分类号：
作者姓名：
王雷;杜亮;周芃;吴鹏
作者机构：
山西大学 计算机与信息技术学院 山西 太原 030006;山西大学 大数据科学与产业研究院 山西 太原 030006;安徽大学 计算机科学与技术学院 安徽 合肥 230601
文献出处：
引用格式：
[1]王雷;杜亮;周芃;吴鹏-.基于自步学习的对称非负矩阵分解算法)[J].郑州大学学报（理学版）,2022(05):43-48
A类：
误差驱动
B类：
自步学习,对称非负矩阵分解,有样,难易程度,行约,无监督学习
AB值：
0.166728
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
