计算机应用研究

作者：黄卫春,赵杨,熊李艳,

单位：华东交通大学a.软件学院;b.信息工程学院,南昌330013；

关键词：非负矩阵分解,L2,1/2稀疏,独立特征学习,余弦相似性,

基金：国家自然科学基金资助项目(61562027)；江西省科技厅资助项目(201616BBI90032,20161BAB212050)；；

为了防止特征的共适应性，提出利用余弦相似度来减少潜在特征之间的相关性，从而提高非负矩阵分解（non-negative matrix decomposition，NMF）的独立特征学习能力。此外，为了使得分解后的矩阵具有较好的稀疏性，提出在传统NMF模型中引入L2，1/2稀疏约束，增强了算法的局部学习能力和稳健性。因此，潜在特征中的语义信息更加明显，潜在空间的表示更具有判别性。在fetch_20newsgroups数据集上对文档聚类的实验结果表明，提出的INMF算法在一系列评价指标上效果都优于传统的NMF、SNMF等算法模型。

来源：2020年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第4期