核心概念
本文提出了一種新的基於 L2,1 範數的半非負矩陣分解 (SNF) 算法,用於處理帶有雜訊的混合符號數據,並通過圖形正則化保留數據的局部幾何結構,實驗證明該算法在存在高斯雜訊的情況下優於傳統的 SNF 算法。
標題:圖形正則化稀疏 L2,1 半非負矩陣分解的數據降維方法
作者:Anthony Rhodes1, Bin Jiang1,*, and Jenny Jiang2
機構:1美國波特蘭州立大學法里伯茲·馬西赫數學與統計系,2美國埃默里大學戈伊蘇埃塔商學院
本研究旨在提出一種新的半非負矩陣分解 (SNF) 算法,以解決傳統 SNF 算法對於雜訊和離群值敏感的問題,並提高其在混合符號數據降維方面的性能。