自監(jiān)督對(duì)稱非負(fù)矩陣在GDP聚類分析中的應(yīng)用

打開文本圖片集

摘要：傳統(tǒng)的對(duì)稱非負(fù)矩陣分解（Symmetric Nonnegative Matrix Factorization，NMF）不但能夠利用線性可分?jǐn)?shù)據(jù)，對(duì)非線性數(shù)據(jù)也具有良好的可分性，但對(duì)矩陣的初始化值比較敏感，為了提高模型的魯棒性，自監(jiān)督對(duì)稱非負(fù)矩陣（Self-supervised Nonnegative Matrix Factorization，S3NMF）利用集成的思想，將不同初始化得到的分解矩陣構(gòu)造成一個(gè)判別能力更強(qiáng)的相似矩陣，同時(shí)考慮監(jiān)督信息進(jìn)行矩陣分解，克服了對(duì)稱非負(fù)矩陣對(duì)初始化值敏感的問題。（剩余7199字）