典型文献
基于相关熵和流形正则化的图像聚类
文献摘要：
近年来,聚类作为机器学习、数据挖掘等领域的基本问题受到广泛的关注及研究,然而数据中普遍存在的噪声和异常值严重影响聚类结果.提出一个基于相关熵和流形正则化的聚类框架CRNMF(Correntropy and Manifold Regularization Non-Negative Matrix Factorization).首先,采用基于相关熵的非负矩阵分解(Non-Negative Matrix Factorization,NMF)作为损失函数来抑制非高斯噪声和异常值的影响;其次,充分考虑数据的结构信息,采用流形正则化学习数据的局部结构,并通过l2,1-范数对非负矩阵进行稀疏约束;最后,利用半二次优化技术(Half-Quadratic Optimization Technique,HQ)进行优化,并分析了收敛性和计算复杂度.在五个图像数据集上进行测试,实验结果表明,提出的框架在图像聚类任务中具有较好的有效性和鲁棒性.
文献关键词：
非负矩阵分解;相关熵;流形正则化;半二次优化技术;图像聚类
中图分类号：
作者姓名：
时照群;刘兆伟;刘惊雷
作者机构：
烟台大学计算机与控制工程学院,烟台,264005
文献出处：
引用格式：
[1]时照群;刘兆伟;刘惊雷-.基于相关熵和流形正则化的图像聚类)[J].南京大学学报（自然科学版）,2022(03):469-482
A类：
CRNMF,Correntropy,半二次优化,半二次优化技术
B类：
相关熵,流形正则化,图像聚类,基本问题,异常值,Manifold,Regularization,Non,Negative,Matrix,Factorization,非负矩阵分解,损失函数,非高斯噪声,结构信息,学习数据,局部结构,l2,范数,稀疏约束,Half,Quadratic,Optimization,Technique,HQ,收敛性,计算复杂度,图像数据集
AB值：
0.288641
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。
