结合非负矩阵分解和流形学习的大数据聚类方法研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：数据规模扩大与数据关系复杂化给数据聚类带来了挑战,现有方法性能已无法满足求解具备多视图、多类型关系的多维数据聚类问题.提出了一种结合非负矩阵分解框架的流形学习方法,学习多维数据的准确低阶表示,该低阶表示可用于数据检索、分类和聚类等多种用途.还在非负矩阵分解框架中加入多样流形学习,利用不同数据类型数据点之间的距离信息来学习不同的流形以进行数据聚类.直接从输入数据矩阵中同时学习,而不是像现有聚类方法那样依靠重构一个大对称矩阵来求解多维数据聚类问题.对于新制定的目标函数,建立了一套更新规则,保证了所提出方法的正确性和收敛性.进行了严格的实验来测试所提出方法在多维数据上的聚类性能,并将其与基于非负矩阵分解的其他方法进行对比.实验结果表明,所提出方法能够更好地学习数据聚类结构,验证了其有效性.

外文标题：Research on Big Data Clustering Method Combining Non-Negative Matrix Decomposition and Manifold Learning

作者：

唐力、赵志宇、张建文、李标奇、徐敏

展开 >

作者单位：

云南电网有限责任公司,云南昆明 650200

关键词：

大数据聚类流形学习矩阵分解

基金：

南方电网科技项目

项目编号：

0006200000084919

出版年：

2024

DOI：

10.3969/j.issn.1009-0134.2024.09.023

制造业自动化

北京机械工业自动化研究所

制造业自动化

CSTPCD

影响因子：0.482

ISSN：1009-0134

年,卷(期)：2024.46(9)