【摘要】：一方面,隨著互聯(lián)網上數(shù)據(jù)和信息的迅速增長,人們被淹沒在數(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,成為當今數(shù)據(jù)挖掘和機器學習面臨的主要任務。由于大數(shù)據(jù)的4V特征(Volume、Variety、Value、Velocity),使得如何對這些海量的數(shù)據(jù)進行降維處理成為人們關心的主要問題之一。非負矩陣分解由于其能發(fā)現(xiàn)數(shù)據(jù)內在的維度和結構、具有較好的可解釋性、可以直接對數(shù)據(jù)進行聚類分析等優(yōu)點,受到了人們的廣泛關注。另一方面,現(xiàn)實世界的諸多系統(tǒng)都可以表示為復雜網絡的形式,而從復雜網絡中發(fā)現(xiàn)連接緊密的社區(qū)結構(即對節(jié)點進行聚類分析)具有重要的意義。近年來,復雜網絡社區(qū)檢測引起了人們極大的興趣,隨著復雜網絡社區(qū)檢測方法研究的深入,涌現(xiàn)出許多基于非負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果。但基于非負矩陣分解的社區(qū)發(fā)現(xiàn)模型仍然存在以下問題:(1)非負矩陣分解模型本身對初值敏感,面對網絡社區(qū)檢測問題需要考慮網絡自身結構特性設計有效的初值選擇策略。(2)現(xiàn)有的用于網絡社區(qū)檢測的非負矩陣分解模型的有效性還有待進一步提高,已有模型沒有考慮對分解出的基向量進行正交約束,以增強分解結果的稀疏性。(3)現(xiàn)有的基于網絡社區(qū)檢測的非負矩陣分解方法沒有考慮節(jié)點自身的特性,如當網絡表示視頻之間的共觀看關系時,節(jié)點上的屬性即是視頻的標題短文本,需要研究基于非負矩陣分解的社會媒體短文本聚類及網絡和節(jié)點屬性相結合的非負矩陣分解方法。針對以上問題,本論文的貢獻如下:(1)提出了一種新的矩陣分解初始化方法(CALS),該方法使用Pagerank方法對原始矩陣進行排序,考慮節(jié)點的重要性和節(jié)點間的距離雙重因素選取k(社區(qū)個數(shù))個初始值對基矩陣進行初始化。然后,使用最小二乘方法求解出隸屬度矩陣。在人工和真實數(shù)據(jù)集上的實驗結果表明:CALS不僅可以提高算法的穩(wěn)定性,而且提高了非負矩陣分解方法用于社區(qū)檢測的精度。(2)提出了一種基于正交約束的非負矩陣分解模型(ALSOC),正交約束的引入實現(xiàn)了分解的低秩性、稀疏性�；谧钚《说姆椒ǖ牡蠼夥椒ㄔ谡鎸崝�(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。相關實驗結果證明了:ALSOC方法不僅可以保證結果的稀疏性,還可以提高算法的準確性。(3)本文初步嘗試了非負矩陣分解方法在短文本聚類上的效果,并將非負矩陣分解方法用于優(yōu)酷UGC(User Generated Content)數(shù)據(jù)的搜索結果聚類。在優(yōu)酷內部搭建一個視頻主題分析原型系統(tǒng),以便對搜索結果進行二次整理,提高搜索結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的對比結果逡逑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

邐非負矩陣分解的初始化逡逑的對比實驗結果見圖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的對比結果逡逑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
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：O157.5;O151.21

【相似文獻】

相關期刊論文 前10條

1 黃鋼石,張亞非,陸建江,徐寶文;一種受限非負矩陣分解方法[J];東南大學學報(自然科學版);2004年02期

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

3 宋金歌;楊景;陳平;佘玉梅;;一種非負矩陣分解的快速稀疏算法[J];云南民族大學學報(自然科學版);2011年04期

4 尹星云;;非負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;;一種實用快速非負矩陣分解算法[J];大連理工大學學報;2013年01期

6 唐曉芬;陳莉;;最大相關熵非負矩陣分解在基因表達數(shù)據(jù)聚類中的應用[J];計算機與應用化學;2013年11期

7 岑建苗;關于集基矩陣偏序(英文)[J];寧波大學學報(理工版);2005年02期

8 馬先南;;改進單純形法中基于新基矩陣的逆矩陣計算[J];上海工程技術大學學報;2006年02期

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

10 孟佳音;劉丁酉;;基于分布估計算法的非負矩陣分解[J];湖北民族學院學報(自然科學版);2012年03期

相關會議論文 前10條

1 孫江明;李通化;;非平滑三維非負矩陣分解[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

2 蔣永鍇;葉東毅;;基于稀疏非負矩陣分解的自動多文摘方法[A];中國計算機語言學研究前沿進展（2007-2009）[C];2009年

3 馬帥;吳飛;楊易;邵健;;基于稀疏非負矩陣分解的圖像檢索[A];第七屆和諧人機環(huán)境聯(lián)合學術會議（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年通信理論與信號處理學術年會論文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非負矩陣分解和支持向量機的軸心軌跡圖識別[A];2008年全國振動工程及應用學術會議暨第十一屆全國設備故障診斷學術會議論文集[C];2008年

6 蔣霈霖;;KL散度下的非負矩陣分解[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

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

8 錢樂樂;高雋;徐小紅;;非負性約束的圖像稀疏編碼[A];第七屆全國信息獲取與處理學術會議論文集[C];2009年

9 王春江;錢若軍;王人鵬;楊聯(lián)萍;;矩陣分解在張力集成體系模態(tài)分析中的應用[A];第九屆全國結構工程學術會議論文集第Ⅰ卷[C];2000年

10 朱昊;黃源水;付夢印;;基于NMF的道路識別算法在野外環(huán)境感知中的應用[A];第九屆全國光電技術學術交流會論文集（下冊）[C];2010年

相關博士學位論文 前10條

1 楊士準;基于樣本和特征的遷移學習方法及應用[D];國防科學技術大學;2013年

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

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

4 張恩德;在線社會網絡分析與挖掘若干關鍵問題研究[D];東北大學;2014年

5 張翔;投影非負矩陣分解算法研究及其應用[D];國防科學技術大學;2015年

6 胡俐蕊;非負矩陣分解方法及其在選票圖像識別中的應用[D];安徽大學;2013年

7 殷海青;圖像分析中的非負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;2011年

8 楊洪禮;非負矩陣與張量分解及其應用[D];山東科技大學;2011年

9 史加榮;多尺度張量逼近及應用[D];西安電子科技大學;2012年

10 方蔚濤;人臉識別特征抽取算法的研究[D];重慶大學;2012年

相關碩士學位論文 前10條

1 楊玉;QC-LDPC碼完全代數(shù)設計方法[D];華中科技大學;2015年

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

3 謝昊;非負矩陣分解初始化及其應用[D];暨南大學;2015年

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

5 項磊;基于乳腺癌計算機輔助診斷的病理圖像分析[D];南京信息工程大學;2015年

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

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

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

9 賴淑珍;非負矩陣分解若干算法研究與應用[D];電子科技大學;2014年

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

，

本文編號：2520494