流形正則化的約束矩陣分解及其在圖像聚類中的應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展以及智能手機(jī)的普及，人們獲取及接觸到的圖像數(shù)據(jù)越來(lái)越多，圖像數(shù)據(jù)有一個(gè)顯著特點(diǎn)就是維數(shù)很高。我們?cè)诘玫綐O大便利的同時(shí)，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(yīng)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(lái)，非負(fù)矩陣分解（NMF）被證明是一種高效的降維方法，它被廣泛應(yīng)用在計(jì)算機(jī)視覺(jué)，模式識(shí)別和信息檢索中。然而，NMF實(shí)際上是一種無(wú)監(jiān)督的方法，它不能利用數(shù)據(jù)的先驗(yàn)

2、信息來(lái)提高準(zhǔn)確度。
　　本論文在研究流形學(xué)習(xí)的基礎(chǔ)上，提出了一種基于流形正則化的半監(jiān)督非負(fù)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(dāng)?shù)男问嚼孟闰?yàn)標(biāo)簽信息來(lái)增強(qiáng)NMF的聚類準(zhǔn)確度。具體來(lái)說(shuō)，我們期望一個(gè)流形正則化項(xiàng)能夠保留原始數(shù)據(jù)的局部幾何結(jié)構(gòu)，同時(shí)，在新的基構(gòu)成的坐標(biāo)空間中，具有相同標(biāo)簽的數(shù)據(jù)點(diǎn)應(yīng)當(dāng)被聚到同一簇中，具有不同標(biāo)簽的數(shù)據(jù)點(diǎn)應(yīng)當(dāng)被聚到不同簇中。這樣一來(lái)，降維后的數(shù)據(jù)就會(huì)具有更強(qiáng)的區(qū)分能力。我們將這種方法應(yīng)用