稀疏约束图正则非负矩阵分解 被引量：13

1

作者 姜伟 李宏 +1 位作者 余震国 杨炳儒 《计算机科学》 CSCD 北大核心 2013年第1期218-220,256,共4页

非负矩阵分解(NMF)是在矩阵非负约束下的一种局部特征提取算法。为了提高识别率,提出了稀疏约束图正则非负矩阵分解方法。该方法不仅考虑数据的几何信息,而且对系数矩阵进行稀疏约束,并将它们整合于单个目标函数中。构造了一个有效的乘... 非负矩阵分解(NMF)是在矩阵非负约束下的一种局部特征提取算法。为了提高识别率,提出了稀疏约束图正则非负矩阵分解方法。该方法不仅考虑数据的几何信息,而且对系数矩阵进行稀疏约束,并将它们整合于单个目标函数中。构造了一个有效的乘积更新算法,并且在理论上证明了该算法的收敛性。在ORL和MIT-CBCL人脸数据库上的实验表明了该算法的有效性。 展开更多

关键词 非负矩阵 图正则化 稀疏编码

下载PDF 职称材料

几何结构保持非负矩阵分解的数据表达方法 被引量：12

2

作者 李冰锋 唐延东 韩志 《信息与控制》 CSCD 北大核心 2017年第1期53-59,64,共8页

作为一种线性降维方法,非负矩阵分解(NMF)算法在多个场合均有应用;但NMF算法只能在欧氏空间上进行语义分解,当输入数据是嵌入在高维空间的低维流形时,NMF会引入较大的分解误差.为解决此问题,本文提出了一种基于几何结构保持的非负矩阵... 作为一种线性降维方法,非负矩阵分解(NMF)算法在多个场合均有应用;但NMF算法只能在欧氏空间上进行语义分解,当输入数据是嵌入在高维空间的低维流形时,NMF会引入较大的分解误差.为解决此问题,本文提出了一种基于几何结构保持的非负矩阵分解算法(SPNMF).在SPNMF算法中,我们将局部近邻样本点间的相似性关系的保持和远距离非近邻样本点间的互斥性关系的保持引入到NMF框架;并把非负矩阵分解的求解问题转化为数值优化问题,然后用交替优化的方法对SPNMF算法进行了求解.相对于NMF,SPNMF算法拥有更多的数据分布的先验知识,因此SPNMF算法可以获得一种更好低维数据表达方式.在人脸数据库上的试验结果表明,相对于NMF及其它的改进算法,SPNMF算法具有更高的聚类精度. 展开更多

关键词 非负矩阵分解 结构保持 图正则化 补空间 图像聚类

原文传递

一种稀疏图正则化的非负低秩矩阵分解算法 被引量：7

3

作者 刘国庆 卢桂馥 张强 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2020年第2期295-303,共9页

非负矩阵分解方法(non-negative matrix factorization,NMF)广泛应用于图像聚类、计算机视觉、信息检索等领域。但是,现有的NMF方法还存在一些不足之处:①NMF方法直接在高维原始图像数据集上计算它的低维表示,而实际上原始图像数据集的... 非负矩阵分解方法(non-negative matrix factorization,NMF)广泛应用于图像聚类、计算机视觉、信息检索等领域。但是,现有的NMF方法还存在一些不足之处:①NMF方法直接在高维原始图像数据集上计算它的低维表示,而实际上原始图像数据集的有效信息常常隐藏在它的低秩结构中;②NMF方法还存在对噪声敏感以及鲁棒性差的缺点。为了提高NMF算法的鲁棒性和可解释性,提出一种稀疏图正则化的非负低秩矩阵分解算法(sparse graph regularized non-negative low-rank matrix factorization,SGNLMF)。通过低秩约束和图正则化,SGNLMF算法同时利用了数据的几何信息和有效低秩结构;此外,SGNLMF算法还对基矩阵加以稀疏约束,使得其鲁棒性和可解释性均有一定的提升。还提出了一种求解SGNLMF的迭代算法,并从理论上分析了该求解算法的收敛性。通过在ORL和YaleB数据库上的实验结果表明SGNLMF算法的有效性。 展开更多

关键词 非负矩阵分解算法(NMF) 鲁棒性 低秩约束 图正则化 稀疏约束

下载PDF 职称材料

基于图正则化的半监督非负矩阵分解 被引量：7

4

作者 杜世强 石玉清 +1 位作者 王维兰 马明 《计算机工程与应用》 CSCD 2012年第36期194-200,共7页

提出了一种基于图正则化的半监督非负矩阵分解算法(GSNMF),克服了非负矩阵分解(NMF)、约束非负矩阵分解(CNMF)和图正则化非负矩阵分解(GNMF)方法忽略样本数据的局部几何结构或标签信息不足的缺陷,且NMF、CNMF和GNMF均为GSNMF的特例。也... 提出了一种基于图正则化的半监督非负矩阵分解算法(GSNMF),克服了非负矩阵分解(NMF)、约束非负矩阵分解(CNMF)和图正则化非负矩阵分解(GNMF)方法忽略样本数据的局部几何结构或标签信息不足的缺陷,且NMF、CNMF和GNMF均为GSNMF的特例。也从理论上证明了GSNMF算法的收敛性。该算法对样本数据进行低维非负分解时,在图框架下既保持数据的几何结构,又利用已知样本的标签信息,在进行半监督学习时,同类样本能更好地聚集而类间距离尽可能大。在人脸数据库ORL、FERET和手写体数据库USPS上的仿真结果表明,相对于NMF及其一些改进算法,GSNMF均具有更高的聚类精度。 展开更多

关键词 图像聚类 半监督学习 非负矩阵分解 图正则化

下载PDF 职称材料

基于图正则化的受限非负矩阵分解算法及在图像表示中的应用 被引量：6

5

作者 舒振球 赵春霞 《模式识别与人工智能》 EI CSCD 北大核心 2013年第3期300-306,共7页

非负矩阵分解(NMF)是一种非常有效的图像表示方法,已被广泛应用到模式识别领域.针对NMF算法是无监督学习算法,无法同时考虑样本类别信息和固有几何结构信息的缺点,提出一种基于图正则化的受限非负矩阵分解(GRCNMF)的算法.该算法利用硬... 非负矩阵分解(NMF)是一种非常有效的图像表示方法,已被广泛应用到模式识别领域.针对NMF算法是无监督学习算法,无法同时考虑样本类别信息和固有几何结构信息的缺点,提出一种基于图正则化的受限非负矩阵分解(GRCNMF)的算法.该算法利用硬约束保持样本的类别信息,增强算法的鉴别能力,同时还利用近邻图来保持样本间固有的几何结构.通过在COIL20和ORL图像库中的聚类实验结果表明GRCNMF优于其它几种算法,说明GRCNMF的有效性. 展开更多

关键词 非负矩阵分解(NMF) 受限 图正则化 几何结构 聚类

下载PDF 职称材料

基于图正则化非负矩阵分解的二分网络社区发现算法 被引量：5

6

作者 汪涛 刘阳 席耀一 《电子与信息学报》 EI CSCD 北大核心 2015年第9期2238-2245,共8页

现实世界存在大量二分网络,研究其社区结构有助于从新角度认识和理解异质复杂网络。非负矩阵分解模型能够克服二分结构的限制,有效地挖掘二分网络的潜在结构,但也存在着时间复杂度高、收敛慢等问题。该文提出一种基于图正则化的三重非... 现实世界存在大量二分网络,研究其社区结构有助于从新角度认识和理解异质复杂网络。非负矩阵分解模型能够克服二分结构的限制,有效地挖掘二分网络的潜在结构,但也存在着时间复杂度高、收敛慢等问题。该文提出一种基于图正则化的三重非负矩阵分解(NMTF)算法应用于二分网络社区发现,通过图正则化将用户子空间和目标子空间的内部连接关系作为约束项引入到三重非负矩阵分解模型中;同时将NMTF分解为两个最小化近似误差的子问题,并给出了乘性迭代算法以交替更新因子矩阵,从而简化矩阵分解迭代,加快收敛速度。实验和分析证明:对于计算机生成网络和真实网络,该文提出的社区划分方法均表现出较高的准确率和稳定性,能够快速准确地挖掘二分网络的社区结构。 展开更多

关键词 二分网络 社区发现 图正则化 非负矩阵分解

下载PDF 职称材料

基于图正则化的高分辨率光场显微成像研究 被引量：5

7

作者 杨飞凡 李晖 +1 位作者 彭晶 吴云韬 《光学学报》 EI CAS CSCD 北大核心 2021年第9期181-190,共10页

针对光场显微成像中空间分辨率较低的问题,提出了一种基于图正则化的方法,并进行了光场超分辨率重建,得到了光场的高分辨率视图。首先,通过非周期性提取的方法,获得了光场的视角图;然后,将光场的超分辨率问题,转化为一个全局优化问题,... 针对光场显微成像中空间分辨率较低的问题,提出了一种基于图正则化的方法,并进行了光场超分辨率重建,得到了光场的高分辨率视图。首先,通过非周期性提取的方法,获得了光场的视角图;然后,将光场的超分辨率问题,转化为一个全局优化问题,利用光场视图之间的互补信息,进行正则化平滑处理;最后,用最速下降迭代算法,对目标函数最小化求解,重构出高分辨率视图。实验中,采用显微物镜、微透镜阵列以及CCD相机,搭建光场显微镜采集数据,使用图正则化的方法进行光场高分辨率重建;相较于传统方法,所提方法视差估计计算量较小,成像质量较高,并有效保留了原始光场结构。 展开更多

关键词 显微 光场显微镜 微透镜阵列 非周期性算法 图正则化 超分辨率

原文传递

一种低秩和图正则化的协同稀疏高光谱解混方法 被引量：1

8

作者 韩红伟 陈聆 苗加庆 《无线电工程》 北大核心 2023年第4期868-876,共9页

针对经典协同稀疏解混方法中稀疏性表征不足以及丰度矩阵过平滑等问题,提出一种低秩和图正则化的协同稀疏高光谱解混方法。引入加权因子,进一步促进丰度矩阵的稀疏性;引入了图正则化项,获取图像的空间信息,以促进图像的平滑性;在模型中... 针对经典协同稀疏解混方法中稀疏性表征不足以及丰度矩阵过平滑等问题,提出一种低秩和图正则化的协同稀疏高光谱解混方法。引入加权因子,进一步促进丰度矩阵的稀疏性;引入了图正则化项,获取图像的空间信息,以促进图像的平滑性;在模型中增加低秩项,进而挖掘高光谱数据的细节结构,进一步提高解混的精度。利用2个模拟和1个真实高光谱数据进行实验,结果表明,提出方法的解混精度与经典解混方法相比得到显著提升。 展开更多

关键词 高光谱图像 稀疏 低秩 光谱解混 图正则化

下载PDF 职称材料

联合线性判别和图正则的任务导向型跨模态检索 被引量：5

9

作者 代瑾 陈莹 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第1期106-115,共10页

针对现有的基于公共子空间的跨模态检索方法对不同检索任务的差异性、检索模态的语义一致性考虑不足的问题,提出一种联合线性判别和图正则的任务导向型跨模态检索方法.该方法在一个联合学习框架中为不同的检索任务构建不同的映射机制,... 针对现有的基于公共子空间的跨模态检索方法对不同检索任务的差异性、检索模态的语义一致性考虑不足的问题,提出一种联合线性判别和图正则的任务导向型跨模态检索方法.该方法在一个联合学习框架中为不同的检索任务构建不同的映射机制,将不同模态的数据映射到公共子空间中以进行相似性度量;学习过程中结合相关性分析和单模态语义回归,保留成对数据间的相关性以及增强查询模态样本的语义准确性,同时利用线性判别分析保证检索模态样本的语义一致性;还为不同模态的数据构建局部近邻图以保留结构信息,从而提升跨模态检索的性能.在Wikipedia和Pascal Sentence这2个跨模态数据集上的实验结果表明,该方法在不同检索任务上的平均mAP值比12种现有方法分别提升了1.0%~16.0%和1.2%~14.0%. 展开更多

关键词 跨模态检索 线性判别分析 图正则化 任务导向

下载PDF 职称材料

自适应图正则化稀疏编码算法

10

作者 余沁茹 卢桂馥 李华 《陕西师范大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第5期75-83,共9页

在GraphSC算法中,拉普拉斯图是预先定义并且固定不变的,并不会参与之后对于字典与稀疏编码的学习过程,而预先定义的拉普拉斯图往往不是最合适的。针对此问题,提出了自适应正则化稀疏编码(graph regularization sparse coding with adapt... 在GraphSC算法中,拉普拉斯图是预先定义并且固定不变的,并不会参与之后对于字典与稀疏编码的学习过程,而预先定义的拉普拉斯图往往不是最合适的。针对此问题,提出了自适应正则化稀疏编码(graph regularization sparse coding with adaptive neighbour,GraphSCAN)算法。该算法使用自适应方法构建合适的局部拉普拉斯图,然后将其加到SC的目标函数中;从而将图的构建和稀疏编码纳入到统一框架中,使得图的构建与稀疏编码的运算同时迭代进行。在CMU人脸数据与COIL20数据上进行的图像聚类实验结果验证了GraphSCAN算法的有效性。 展开更多

关键词 图正则化 稀疏编码 图聚类 自适应聚类

下载PDF 职称材料

基于火焰边缘感知图正则化的光场超分辨率重建

11

作者 单良 牛玉风 +2 位作者 赵腾飞 洪波 孔明 《中国计量大学学报》 2023年第2期201-207,共7页

目的:研究半透明火焰的光场超分辨率方法,有助于提高基于光场成像技术的火焰三维温度场重建精度。方法:提出火焰边缘感知图正则化方法,在即插即用的交替方向乘子算法框架下,由非透明光场超分辨率的图正则化方法执行火焰光场的超分辨率重... 目的:研究半透明火焰的光场超分辨率方法,有助于提高基于光场成像技术的火焰三维温度场重建精度。方法:提出火焰边缘感知图正则化方法,在即插即用的交替方向乘子算法框架下,由非透明光场超分辨率的图正则化方法执行火焰光场的超分辨率重建,结合RGB和HIS判据检测火焰区域,由域变换递归边缘保持滤波算法对火焰区域进行滤波。该算法可以锐化火焰边缘区域,增加图像纹理高频细节的重建效果。结果:实验结果表明,相比双3次插值、LFBM5D稀疏编码、线性子空间投影、光场卷积神经网络、图正则化等方法,基于火焰边缘感知的图正则化方法可以更好地保留火焰边缘信息,在峰值信噪比评价指标上重建效果最佳,比改进前的图正则化方法最大提高了0.834 dB,在视图一致性上比改进前的图正则化方法最大提高了21.66%。结论:本文提出的方法可以有效提高火焰光场图像的超分辨率重建精度。 展开更多

关键词 火焰光场超分辨率 边缘保持 交替方向乘子法 图正则化

下载PDF 职称材料

基于l_(2,1)范数的图正则非负矩阵分解

12

作者 文学春 《计算机应用文摘》 2023年第1期105-109,共5页

为降低数据集中的噪声和异常值对算法的影响并考虑其内在的几何结构,文章给出一种基于L_(2,1)范数的图正则非负矩阵分解(_(2,1),GNMFL)方法,采用投影梯度法求解提出的模型。最后,在多个数据集上的实验结果验证了该算法的有效性。

关键词 非负矩阵分解L_(2 1)范数 图正则化 特征提取

下载PDF 职称材料

基于图正则化的贝叶斯宽度学习系统 被引量：3

13

作者 段俊伟 许林灿 +2 位作者 全渝娟 陈龙 陈俊龙 《智能科学与技术学报》 2022年第1期109-117,共9页

作为一种前馈神经网络,宽度学习系统因其精度高、训练速度快且能有效代替深度学习方法而备受研究者的关注。然而,宽度学习系统存在对网络中的特征节点个数比较敏感且求伪逆方式易使模型出现过拟合等问题。为此,在宽度学习系统中引入贝... 作为一种前馈神经网络,宽度学习系统因其精度高、训练速度快且能有效代替深度学习方法而备受研究者的关注。然而,宽度学习系统存在对网络中的特征节点个数比较敏感且求伪逆方式易使模型出现过拟合等问题。为此,在宽度学习系统中引入贝叶斯推断和图正则化。一方面,通过引入先验知识进行贝叶斯学习可以有效提高权重的稀疏性,提高模型的稳定性;另一方面,加入图正则化可充分考虑数据内在的图信息,进一步提高模型的泛化能力。在UCI数据集和NORB数据集上对所提模型进行性能评估,实验结果表明,所提的基于图正则化的贝叶斯宽度学习系统模型能进一步提高宽度学习系统的分类精度且具有更好的稳定性。 展开更多

关键词 宽度学习系统 贝叶斯推断 图正则化 模式识别

下载PDF 职称材料

基于图正则化与非负组稀疏的自动图像标注 被引量：4

14

作者 钱智明 钟平 王润生 《电子与信息学报》 EI CSCD 北大核心 2015年第4期784-790,共7页

设计一个稳健的自动图像标注系统的重要环节是提取能够有效描述图像语义的视觉特征。由于颜色、纹理和形状等异构视觉特征在表示特定图像语义时所起作用的重要程度不同且同一类特征之间具有一定的相关性,该文提出了一种图正则化约束下... 设计一个稳健的自动图像标注系统的重要环节是提取能够有效描述图像语义的视觉特征。由于颜色、纹理和形状等异构视觉特征在表示特定图像语义时所起作用的重要程度不同且同一类特征之间具有一定的相关性,该文提出了一种图正则化约束下的非负组稀疏(Graph Regularized Non-negative Group Sparsity,GRNGS)模型来实现图像标注,并通过一种非负矩阵分解方法来计算其模型参数。该模型结合了图正则化与2,1l-范数约束,使得标注过程中所选的组群特征能体现一定的视觉相似性和语义相关性。在Corel5K和ESP Game等图像数据集上的实验结果表明:相较于一些最新的图像标注模型,GRNGS模型的鲁棒性更强,标注结果更精确。 展开更多

关键词 图像标注 图正则化 组稀疏 非负矩阵分解

下载PDF 职称材料

基于深度图正则化矩阵分解的多视图聚类算法 被引量：3

15

作者 刘相男 丁世飞 王丽娟 《智能系统学报》 CSCD 北大核心 2022年第1期158-169,共12页

针对现实社会中由多种表示或视图组成的多视图数据广泛存在的问题,深度矩阵分解模型因其能够挖掘数据的层次信息而备受关注,但该模型忽略了数据的几何结构信息。为解决以上问题,本文提出基于深度图正则化矩阵分解的多视图聚类算法,通过... 针对现实社会中由多种表示或视图组成的多视图数据广泛存在的问题,深度矩阵分解模型因其能够挖掘数据的层次信息而备受关注,但该模型忽略了数据的几何结构信息。为解决以上问题,本文提出基于深度图正则化矩阵分解的多视图聚类算法,通过获取每个视图的局部结构信息和全局结构信息在逐层分解中加入两个图正则化限制,保护多视图数据的几何结构信息,同时将视图的权重与特征表示矩阵进行结合获得共识表示矩阵,最大化视角间的互补性,保证数据的一致性和差异性。除此之外,本文使用迭代更新变量的方法最小化目标函数,不断优化模型并进行收敛性分析。将本文算法和多个算法在三个人脸数据集和两个图像数据集上运行,通过多项指标的对比可以看出本文提出的算法具备良好的性能表现。 展开更多

关键词 多视图聚类 深度矩阵分解 几何结构 图正则化 矩阵分解 多视图表示学习 层次结构信息 深度学习

下载PDF 职称材料

基于局部特征编码的LDA铁路扣件检测模型 被引量：4

16

作者 杨飞 罗建桥 李柏林 《传感器与微系统》 CSCD 2020年第2期148-152,共5页

针对潜在狄利克雷分布(LDA)模型中,视觉单词语义分辨能力弱,忽略特征之间的空间位置关系的问题,提出一种基于局部特征编码的LDA铁路扣件检测模型LC-LDA。首先,由K均值聚类图像底层特征得到视觉词典;然后,在特征编码过程中采用局部线性... 针对潜在狄利克雷分布(LDA)模型中,视觉单词语义分辨能力弱,忽略特征之间的空间位置关系的问题,提出一种基于局部特征编码的LDA铁路扣件检测模型LC-LDA。首先,由K均值聚类图像底层特征得到视觉词典;然后,在特征编码过程中采用局部线性约束编码(LLC),减小特征的重构误差;同时,结合图正则化引入特征上下文信息,保证空间相邻、外观相似的特征编码结果一致;最后,利用LDA主题模型提取图像的主题分布,并在支持向量机(SVM)中学习得到扣件类别。实验结果表明,LC-LDA中各类别的扣件图像区分性增强,漏检率和误检率明显降低。 展开更多

关键词 铁路扣件检测 主题模型 局部线性编码 图正则化 空间信息

下载PDF 职称材料

基于表示学习的跨模态检索方法研究进展 被引量：3

17

作者 杜锦丰 王海荣 +1 位作者 梁焕 王栋 《广西师范大学学报（自然科学版）》 CAS 北大核心 2022年第3期1-12,共12页

多模态数据的急剧增长带来了跨模态检索的应用需求,促进了对跨模态检索方法的研究。本文追溯该领域最新进展,跟踪并深入研究国内外基于表示学习的跨模态检索方法,对跨模态检索问题进行定义并梳理该领域常用技术方法、主流模型、常用数... 多模态数据的急剧增长带来了跨模态检索的应用需求,促进了对跨模态检索方法的研究。本文追溯该领域最新进展,跟踪并深入研究国内外基于表示学习的跨模态检索方法,对跨模态检索问题进行定义并梳理该领域常用技术方法、主流模型、常用数据集、评价方法和面临的主要挑战。主要从统计相关分析、图正则化和度量学习3方面介绍基于表示学习跨模态检索方法,并分析其优缺点。为了分析上述方法的优劣性,实验分别在4个数据集上复现14种方法进行对比评价。实验结果表明:基于统计相关分析方法训练效率较高且易于实施;基于图正则化方法通过挖掘模态内和模态间的相似性,实现语义关联;基于度量学习方法是在公共子空间中尽可能保留数据语义相似/不相似的信息。本文介绍基于表示学习的跨模态检索方法的研究现状,为跨模态检索方法研究提供参考。 展开更多

关键词 多模态数据 跨模态检索 统计相关分析 图正则化 度量学习

下载PDF 职称材料

一种稀疏约束的图正则化非负矩阵光谱解混方法 被引量：3

18

作者 甘玉泉 刘伟华 +3 位作者 冯向朋 于涛 胡炳樑 汶德胜 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第4期1118-1127,共10页

由于受到高光谱遥感图像传感器平台的限制,图像的空间分辨率受到一定影响,这导致高光谱遥感图像的像元通常是多种地物的混合,也叫做混合像元。混合像元的存在制约了高光谱遥感图像的准确分析和应用领域。采用高光谱解混技术可将混合像... 由于受到高光谱遥感图像传感器平台的限制,图像的空间分辨率受到一定影响,这导致高光谱遥感图像的像元通常是多种地物的混合,也叫做混合像元。混合像元的存在制约了高光谱遥感图像的准确分析和应用领域。采用高光谱解混技术可将混合像元分解为纯净的物质光谱(Endmember,端元)和每种物质光谱所对应的混合比例(Abundance,丰度),为获取更多更精细的光谱提供了可能。这对高精度的地物分类识别、目标检测和定量遥感分析等研究领域具有重要的意义。因此,解混技术成为高光谱遥感图像领域的一个研究热点。基于线性光谱混合模型(linear spectral mixing model, LMM),提出了一种端元丰度联合稀疏约束的图正则化非负矩阵分解(endmember and abundance sparse constrained graph regularized nonnegative matrix factorization, EAGLNMF)算法。该算法通过研究基于非负矩阵分解(nonnegative matrix factorization, NMF)的方法,结合图正则化理论来考虑高光谱数据内部的几何结构,将端元光谱稀疏约束和丰度稀疏约束应用于其中,从而能够对高光谱数据的内部流形结构进行更为有效的表达。首先,构造了EAGLNMF算法的损失函数,采用VCA-FCLS方法进行初始化,然后,设定相关参数,包括图正则化权重矩阵参数、端元光谱稀疏约束因子和丰度矩阵稀疏约束因子,最后,通过推导得到了端元矩阵与丰度矩阵的迭代公式,并且设置了迭代停止条件。该方法不受图像中是否有纯像元的限制。实际上,在现行高光谱遥感传感器平台情况下,高光谱遥感图像中几乎不存在纯像元,因此, EAGLNMF方法为高光谱遥感图像的实际应用提供了一种思路。采用合成的高光谱数据,构造了4个实验来分析该方法的可行性和有效性,实验将该算法与VCA-FCLS,标准NMF及GLNMF等经典的解混算法进行比较,通过光谱角距离(spectral angle distance, SAD)和丰度角距� 展开更多

关键词 高光谱图像 图正则化 稀疏约束 非负矩阵分解 光谱解混

下载PDF 职称材料

基于图正则化和Schatten-p范数最小化的交通数据恢复 被引量：2

19

作者 陈小波 梁书荣 +2 位作者 柯佳 陈玲 胡煜 《西南交通大学学报》 EI CSCD 北大核心 2022年第6期1326-1333,共8页

为充分利用交通数据低秩特性与局部近邻关系,准确恢复交通数据采集系统中的缺失数据,首先,应用基于核范数的低秩矩阵补全模型对交通数据矩阵进行预插补,以获得缺失值的初始估计,基于此,构建表征数据局部近邻结构的图模型;然后,提出融合... 为充分利用交通数据低秩特性与局部近邻关系,准确恢复交通数据采集系统中的缺失数据,首先,应用基于核范数的低秩矩阵补全模型对交通数据矩阵进行预插补,以获得缺失值的初始估计,基于此,构建表征数据局部近邻结构的图模型;然后,提出融合图正则化和Schatten-p范数最小化的交通数据缺失值恢复模型;进一步,提出基于交替方向乘子框架的优化算法,求解缺失值恢复的最优化问题,得到最终的数据恢复结果;最后,用实际的高速公路交通流量和速度数据比较多种方法的恢复误差,同时给出所提方法的参数敏感性分析.实验结果表明:在完全随机缺失、随机缺失和混合缺失模式下,缺失率为10%~50%时,相比于局部最小二乘、概率主成分分析和低秩矩阵补全等方法,基于图正则化和Schatten-p范数最小化的算法恢复误差降低了3.02%~28.49%. 展开更多

关键词 智能交通 数据恢复 Schatten-p范数 交通数据 图正则化

下载PDF 职称材料

自适应图正则化的低秩非负矩阵分解算法 被引量：1

20

作者 余沁茹 卢桂馥 李华 《智能系统学报》 CSCD 北大核心 2022年第2期325-332,共8页

图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor... 图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor,KNN)方法预先定义的,而KNN方法无法总是获得最优图解,从而使得GNMF算法的性能不能达到最优。为此,本文提出了一种自适应图正则化的非负矩阵分解算法(nonnegative low-rank matrix factorization with adaptive graph neighbors,NLMFAN)。一方面,通过引入低秩约束,使得NLMFAN可以获得原始数据集的有效低秩结构;另一方面,设计了一种通过自适应求解相似度矩阵的方法来进行图的构建,即图的构造和矩阵分解的结果被融入一个整体的框架中,使得图中节点的相似性是自动从数据中学习得到的。此外,本文还给出了一种求解NLMFAN的有效算法。在多种数据集上的实验验证了本文所提出的算法的有效性。 展开更多

关键词 聚类 特征提取 降维 流形学习 非负矩阵分解 低秩约束 图正则化 自适应聚类

下载PDF 职称材料