正则化正交非负矩阵分解与 K-means 聚类
数值分析
2021-12-15 v1 数值分析
摘要
本文关注 K-means 聚类方法与正交非负矩阵分解（ONMF）方法之间的联系。我们提出了一种新颖的框架，基于所考虑的 ONMF 目标函数的一阶条件来提取 K-means 方法的距离度量和质心，该框架利用了非负矩阵分解（NMF）算法的经典交替最小化方案。虽然该技术具有推导过程简单的特点，它也可应用于非标准正则化 ONMF 模型。利用此框架，我们在本工作中考虑了带有 和标准 差异项且在两个分解矩阵上附加弹性网络正则化的 ONMF 模型，并推导了广义 K-means 聚类模型对应的距离度量和质心。此外，我们直观地展示了所得结果，考察了特殊情况，并与文献中描述的发现进行了比较。
引用
@article{arxiv.2112.07641,
title = {Regularized Orthogonal Nonnegative Matrix Factorization and $K$-means Clustering},
author = {Pascal Fernsel and Peter Maass},
journal= {arXiv preprint arXiv:2112.07641},
year = {2021}
}