可学习相似性与不相似性引导的对称非负矩阵分解

💡 原文中文,约500字,阅读约需2分钟。
📝

内容提要

本研究提出了一种改进的对称非负矩阵分解方法,通过引入可学习权重的加权$k$-NN图和双重结构的不相似性矩阵,显著提升了相似性矩阵的区分能力。实验结果表明,该模型在八个数据集上优于九种先进聚类方法,展现出良好的应用潜力。

🏷️

标签

➡️

继续阅读