自监督对称非负矩阵在GDP聚类分析中的应用

打开文本图片集

摘要：传统的对称非负矩阵分解（Symmetric Nonnegative Matrix Factorization，NMF）不但能够利用线性可分数据，对非线性数据也具有良好的可分性，但对矩阵的初始化值比较敏感，为了提高模型的鲁棒性，自监督对称非负矩阵（Self-supervised Nonnegative Matrix Factorization，S3NMF）利用集成的思想，将不同初始化得到的分解矩阵构造成一个判别能力更强的相似矩阵，同时考虑监督信息进行矩阵分解，克服了对称非负矩阵对初始化值敏感的问题。（剩余7199字）