Indexed by：
Abstract：
本发明公开了自表示学习监督的非负矩阵分解方法，首先通过自表示学习得到一个反映数据局部或全局结构的相似性矩阵。然后，对相似性矩阵进一步分解，可得到具有聚类结构信息的矩阵。最后，将具有聚类结构信息的矩阵指导系数矩阵的学习，使其具有一致性结构，提高系数矩阵的判别能力。该方法的提出主要是解决在无监督聚类方面，非负矩阵分解得到的系数矩阵判别能力弱的问题。所提出的自表示学习监督的非负矩阵分解方法充分考虑了传统非负矩阵分解判别能力弱的问题，利用自表示方法，再进一步得到具有聚类结构信息的矩阵指导低维表示的学习，能够有效提高低维表示的判别能力，提高聚类性能。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202110911804.7
Filing Date： 2021-08-10
Publication Date： 2024-05-28
Pub. No.： CN114140635B
Applicants： 北京工业大学
Legal Status： 授权
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
