【摘要】：一方面,隨著互聯(lián)網(wǎng)上數(shù)據(jù)和信息的迅速增長(zhǎng),人們被淹沒(méi)在數(shù)據(jù)的海洋里。如何從這些海量的數(shù)據(jù)中獲取人們想要的信息,成為當(dāng)今數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)面臨的主要任務(wù)。由于大數(shù)據(jù)的4V特征(Volume、Variety、Value、Velocity),使得如何對(duì)這些海量的數(shù)據(jù)進(jìn)行降維處理成為人們關(guān)心的主要問(wèn)題之一。非負(fù)矩陣分解由于其能發(fā)現(xiàn)數(shù)據(jù)內(nèi)在的維度和結(jié)構(gòu)、具有較好的可解釋性、可以直接對(duì)數(shù)據(jù)進(jìn)行聚類分析等優(yōu)點(diǎn),受到了人們的廣泛關(guān)注。另一方面,現(xiàn)實(shí)世界的諸多系統(tǒng)都可以表示為復(fù)雜網(wǎng)絡(luò)的形式,而從復(fù)雜網(wǎng)絡(luò)中發(fā)現(xiàn)連接緊密的社區(qū)結(jié)構(gòu)(即對(duì)節(jié)點(diǎn)進(jìn)行聚類分析)具有重要的意義。近年來(lái),復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)引起了人們極大的興趣,隨著復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)方法研究的深入,涌現(xiàn)出許多基于非負(fù)矩陣分解方法的社區(qū)發(fā)現(xiàn)模型,并取得了一些鼓舞人心的結(jié)果。但基于非負(fù)矩陣分解的社區(qū)發(fā)現(xiàn)模型仍然存在以下問(wèn)題:(1)非負(fù)矩陣分解模型本身對(duì)初值敏感,面對(duì)網(wǎng)絡(luò)社區(qū)檢測(cè)問(wèn)題需要考慮網(wǎng)絡(luò)自身結(jié)構(gòu)特性設(shè)計(jì)有效的初值選擇策略。(2)現(xiàn)有的用于網(wǎng)絡(luò)社區(qū)檢測(cè)的非負(fù)矩陣分解模型的有效性還有待進(jìn)一步提高,已有模型沒(méi)有考慮對(duì)分解出的基向量進(jìn)行正交約束,以增強(qiáng)分解結(jié)果的稀疏性。(3)現(xiàn)有的基于網(wǎng)絡(luò)社區(qū)檢測(cè)的非負(fù)矩陣分解方法沒(méi)有考慮節(jié)點(diǎn)自身的特性,如當(dāng)網(wǎng)絡(luò)表示視頻之間的共觀看關(guān)系時(shí),節(jié)點(diǎn)上的屬性即是視頻的標(biāo)題短文本,需要研究基于非負(fù)矩陣分解的社會(huì)媒體短文本聚類及網(wǎng)絡(luò)和節(jié)點(diǎn)屬性相結(jié)合的非負(fù)矩陣分解方法。針對(duì)以上問(wèn)題,本論文的貢獻(xiàn)如下:(1)提出了一種新的矩陣分解初始化方法(CALS),該方法使用Pagerank方法對(duì)原始矩陣進(jìn)行排序,考慮節(jié)點(diǎn)的重要性和節(jié)點(diǎn)間的距離雙重因素選取k(社區(qū)個(gè)數(shù))個(gè)初始值對(duì)基矩陣進(jìn)行初始化。然后,使用最小二乘方法求解出隸屬度矩陣。在人工和真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:CALS不僅可以提高算法的穩(wěn)定性,而且提高了非負(fù)矩陣分解方法用于社區(qū)檢測(cè)的精度。(2)提出了一種基于正交約束的非負(fù)矩陣分解模型(ALSOC),正交約束的引入實(shí)現(xiàn)了分解的低秩性、稀疏性。基于最小二乘的方法的迭代求解方法在真實(shí)數(shù)據(jù)集和人工合成數(shù)據(jù)集上的都表現(xiàn)出較好的性能。相關(guān)實(shí)驗(yàn)結(jié)果證明了:ALSOC方法不僅可以保證結(jié)果的稀疏性,還可以提高算法的準(zhǔn)確性。(3)本文初步嘗試了非負(fù)矩陣分解方法在短文本聚類上的效果,并將非負(fù)矩陣分解方法用于優(yōu)酷UGC(User Generated Content)數(shù)據(jù)的搜索結(jié)果聚類。在優(yōu)酷內(nèi)部搭建一個(gè)視頻主題分析原型系統(tǒng),以便對(duì)搜索結(jié)果進(jìn)行二次整理,提高搜索結(jié)果的多樣性并為用戶提供多層次的選擇。
【圖文】：

圖２－２在ＮＭＦＡＬＳ算法上Ａｃｃｕｒａ巧和ＮＭＩ的對(duì)比結(jié)果逡逑Ｆｉｇｕｉ＊ｅ邋２－２邋Ｔｈｅ邋Ａｃｃｕｒａｃｙ邋ａｎｄ邋ＮＭＩ邋ｃｏｍｐａｒｉｓｏｎ邋ｒｅｓｕｌｔ邋ｏｆ邋ＮＭＦＡＬＳ邋ａｌｇｏｒｉｔｈｍ逡逑２２逡逑

邐非負(fù)矩陣分解的初始化逡逑的對(duì)比實(shí)驗(yàn)結(jié)果見(jiàn)圖２－４。逡逑＇．… …邋邋邋邋．．＇－？－．．．．．．．邐３邋Ｐ邋－邋邋邐丫三．．二：邐？、＇邐＇邐］逡逑ｏ．ｓｓ＾＾邐＼逡逑ｔ邋＼逡逑。化—妍。邐Ｙ邐０－６邋……篇；ＳＶＤ邐Ｉ逡逑。方邋１．，＝畔。Ｉ—＿．邐．邐．邐．邐１邐０．５５Ｌ—Ｉ＿，邐．邐．邐．邐３逡逑０．１邐０＊２邐＆３邐０．４邐０．５邐江邋６邐０．７邐化！邐0２邐０．３邐０＊４邐０．５邐０．６邐０．７逡逑Ｕ邐Ｕ逡逑圖２－１在ＮＭＦＭＵ算法上Ａｃｃｗａｃｙ和ＮＭＩ的對(duì)比結(jié)果逡逑Ｆｉｇｕｒｅ邋２－１邋Ｔｈｅ邋Ａｃｃｕｉ＊ａｃｙ邋ａｎｄ邋ＮＭＩ邋ｃｏｍｐａｒｉｓｏｎ邋Ｋｓｕｌｔ邋ｏｆ邋ＮＭＦＭＵ邋ａｌTBｏｒｉ化ｍ逡逑ｋ．邐＼：邐＼邋．．逡逑—中？己邐Ｖ邐—中毛．邐＼逡逑０＊５５邋…．ＷＯＳＶＤ邐義邐０．６邐－邋ｎＮＤＳＶＤ邐＼．逡逑邐ＣＡＬＳ邐？邐邐ＣＡＬＳ邐１逡逑０知邐Ｉ邐＊邐＇邐＇邐？邐。巧邋Ｉ邐Ｉ邋邋邐１邐１邐１邐１邐ａＪ逡逑0．！邐０＊２邐０．３邐０．４邐０占邐ａｅ邐０．７邐０．１邐0之邐０。邐莊邋４邐ＯＪ邐０．６邐０．７逡逑Ｕ邐Ｕ逡逑圖２－２在ＮＭＦＡＬＳ算法上Ａｃｃｕｒａ巧
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：O157.5;O151.21

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃鋼石,張亞非,陸建江,徐寶文;一種受限非負(fù)矩陣分解方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

2 劉東;;淺析基矩陣在線性代數(shù)教學(xué)中的應(yīng)用[J];高等數(shù)學(xué)研究;2010年01期

3 宋金歌;楊景;陳平;佘玉梅;;一種非負(fù)矩陣分解的快速稀疏算法[J];云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

4 尹星云;;非負(fù)矩陣分解的基本原理和研究現(xiàn)狀分析[J];科技資訊;2011年35期

5 程明松;劉勺連;;一種實(shí)用快速非負(fù)矩陣分解算法[J];大連理工大學(xué)學(xué)報(bào);2013年01期

6 唐曉芬;陳莉;;最大相關(guān)熵非負(fù)矩陣分解在基因表達(dá)數(shù)據(jù)聚類中的應(yīng)用[J];計(jì)算機(jī)與應(yīng)用化學(xué);2013年11期

7 岑建苗;關(guān)于集基矩陣偏序(英文)[J];寧波大學(xué)學(xué)報(bào)(理工版);2005年02期

8 馬先南;;改進(jìn)單純形法中基于新基矩陣的逆矩陣計(jì)算[J];上海工程技術(shù)大學(xué)學(xué)報(bào);2006年02期

9 曾文梅;;基于半監(jiān)督非負(fù)矩陣分解的人流量分析[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);2011年02期

10 孟佳音;劉丁酉;;基于分布估計(jì)算法的非負(fù)矩陣分解[J];湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年03期

相關(guān)會(huì)議論文 前10條

1 孫江明;李通化;;非平滑三維非負(fù)矩陣分解[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

2 蔣永鍇;葉東毅;;基于稀疏非負(fù)矩陣分解的自動(dòng)多文摘方法[A];中國(guó)計(jì)算機(jī)語(yǔ)言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

3 馬帥;吳飛;楊易;邵健;;基于稀疏非負(fù)矩陣分解的圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

4 徐利民;龔珊;余再軍;;奇異值分解與非負(fù)矩陣分解色在數(shù)據(jù)降維方面的特性分析[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非負(fù)矩陣分解和支持向量機(jī)的軸心軌跡圖識(shí)別[A];2008年全國(guó)振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

6 蔣霈霖;;KL散度下的非負(fù)矩陣分解[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六省（區(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 楊寶;朱啟兵;黃敏;;基于非負(fù)矩陣分解一稀疏表示分類的玻璃缺陷圖像識(shí)別[A];第24屆中國(guó)控制與決策會(huì)議論文集[C];2012年

8 錢(qián)樂(lè)樂(lè);高雋;徐小紅;;非負(fù)性約束的圖像稀疏編碼[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

9 王春江;錢(qián)若軍;王人鵬;楊聯(lián)萍;;矩陣分解在張力集成體系模態(tài)分析中的應(yīng)用[A];第九屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅰ卷[C];2000年

10 朱昊;黃源水;付夢(mèng)印;;基于NMF的道路識(shí)別算法在野外環(huán)境感知中的應(yīng)用[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 楊士準(zhǔn);基于樣本和特征的遷移學(xué)習(xí)方法及應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

2 葉軍;基于正則化方法的非負(fù)矩陣分解算法及其應(yīng)用研究[D];南京理工大學(xué);2014年

3 陸玉武;圖像分類中流形回歸與非負(fù)矩陣分解研究[D];哈爾濱工業(yè)大學(xué);2015年

4 張恩德;在線社會(huì)網(wǎng)絡(luò)分析與挖掘若干關(guān)鍵問(wèn)題研究[D];東北大學(xué);2014年

5 張翔;投影非負(fù)矩陣分解算法研究及其應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

6 胡俐蕊;非負(fù)矩陣分解方法及其在選票圖像識(shí)別中的應(yīng)用[D];安徽大學(xué);2013年

7 殷海青;圖像分析中的非負(fù)矩陣分解理論及其最優(yōu)化和正則化方法研究[D];西安電子科技大學(xué);2011年

8 楊洪禮;非負(fù)矩陣與張量分解及其應(yīng)用[D];山東科技大學(xué);2011年

9 史加榮;多尺度張量逼近及應(yīng)用[D];西安電子科技大學(xué);2012年

10 方蔚濤;人臉識(shí)別特征抽取算法的研究[D];重慶大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 楊玉;QC-LDPC碼完全代數(shù)設(shè)計(jì)方法[D];華中科技大學(xué);2015年

2 馬歡;以線性分組碼為子碼的混合LDPC碼構(gòu)造[D];北京交通大學(xué);2017年

3 謝昊;非負(fù)矩陣分解初始化及其應(yīng)用[D];暨南大學(xué);2015年

4 王一;凸與半非負(fù)矩陣分解的近點(diǎn)梯度方法研究[D];東北師范大學(xué);2015年

5 項(xiàng)磊;基于乳腺癌計(jì)算機(jī)輔助診斷的病理圖像分析[D];南京信息工程大學(xué);2015年

6 王丹;基于非負(fù)矩陣分解的腦電信號(hào)特征提取算法研究[D];燕山大學(xué);2015年

7 馬春霞;非負(fù)矩陣分解及在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用研究[D];曲阜師范大學(xué);2015年

8 崔艷榮;基于非負(fù)矩陣分解的高光譜遙感數(shù)據(jù)融合方法分析及應(yīng)用[D];電子科技大學(xué);2014年

9 賴淑珍;非負(fù)矩陣分解若干算法研究與應(yīng)用[D];電子科技大學(xué);2014年

10 趙龍;基于多流形正則化非負(fù)矩陣分解的多視圖聚類[D];大連理工大學(xué);2015年

，

本文編號(hào)：2520494