[發明專利]一種半監督自適應圖正則化判別非負矩陣分解方法

在審

• 申請號: 201910549625.6
• 申請日: 2019-06-24
• 公開（公告）號: CN110276049A
• 公開（公告）日: 2019-09-24
• 發明（設計）人: 劉中華;宋斌;王琳;張琳;王京京
• 申請（專利權）人: 河南科技大學
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06K9/62
• 代理公司: 洛陽公信知識產權事務所(普通合伙) 41120
• 代理人: 宋晨煒

1.一種半監督自適應圖正則化判別非負矩陣分解方法，其特征在于：包括如下步驟：

S1、獲取樣本數據矩陣，樣本數據矩陣中每列元素代表一個樣本，每個樣本中包括若干個數據點；

S2、根據數據點之間的相似度構建相似矩陣，并且對相似矩陣進行約束，得到第一約束條件；

S3、為樣本設定標簽，并且根據數據點的標簽構建標簽矩陣，得到第二約束條件；

S4、將第一約束條件和第二約束條件代入到傳統非負矩陣分解目標函數中，得到新目標函數；

S5、對新目標函數進行迭代更新得到系數矩陣；

S6、對系數矩陣進行聚類。

2.如權利要求1所述的一種半監督自適應圖正則化判別非負矩陣分解方法，其特征在于：

S1中，樣本數據矩陣表示為X＝[x₁,x₂,...,x_n]∈R^m×n，X中的每列元素代表一個樣本，每個樣本的維數都是M維；

S2的具體方法為：

S2.1、獲取任意兩個數據點v_i和v_j之間的相似度s_ij；

S2.2、構建相似矩陣S

其中，s_i為相似矩陣S中的第i列向量；

S2.3、基于相似矩陣構建拉普拉斯矩陣拉普拉斯矩陣的第i對角元素是D是度矩陣；

S2.4、設定F＝[f₁,...,f₂]∈R^n×k，對拉普拉斯矩陣進行處理得到其中f是一個k維的初始化隨機向量，λ是正則化參數，Tr表示這個矩陣的主對角線上各個元素的總和，并且稱為跡；

S2.5、基于S2.4的結果對相似矩陣進行約束，得到第一約束條件

3.如權利要求2所述的一種半監督自適應圖正則化判別非負矩陣分解方法，其特征在于：S3中，標簽矩陣為Q∈R^c×n，其中c是標簽序號，標簽矩陣中的元素為

4.如權利要求3所述的一種半監督自適應圖正則化判別非負矩陣分解方法，其特征在于：S4中，傳統非負矩陣分解目標函數為

O_l＝||Q-AV_l^T||²；

其中A∈R^c×k為輔助矩陣，用于對向量V_L進行線性表示；將第一約束條件和第二約束條件代入后，新目標函數為

其中，U、V、S、F和A為變量，其中V為系數矩陣。

5.如權利要求4所述的一種半監督自適應圖正則化判別非負矩陣分解方法，其特征在于：S5的具體方法為：

S5.1、固定U、V、A和F，對S進行更新，得到

S5.2、固定U，V，A和S，對F進行更新，得到

S5.3、固定V、A、S和F，對U進行更新，得到

S5.4、固定U、A、S和F，對V進行更新，得到

S5.5、固定U、V、S和F，對A進行更新，得到A←QV_l(V_l^TV_l)^-1。