Balanced symmetric non-negative matrix factorization

Jikui Wang

doi:10.1016/j.neucom.2026.134013

Balanced symmetric non-negative matrix factorization

2026-05-20

0

PRE

AI

DOI：10.1016/j.neucom.2026.134013

原文链接

原文求助

摘要

En 中文

对称非负矩阵分解（SNMF）作为一种经典的图聚类方法，已在越来越多的研究中展现出强大的聚类能力。然而，不当的初始化可能导致算法陷入局部最优，从而造成样本在聚类中的分布极不均衡。为解决此问题，我们提出了一种平衡对称非负矩阵分解（BSNMF）模型，该模型引入了一种新的平衡正则化项，以主动均衡聚类大小并提升聚类性能。所提出的BSNMF整合了一种新设计的平衡正则化项，鼓励更均衡的聚类分布以增强聚类性能。采用投影梯度下降（PGD）算法求解该优化问题。在八个基准数据集上进行的实验证明了我们算法的有效性。

Keyword:

Symmetric non-negative matrix factorization

Graph clustering

Cluster balance

Regularization term

Projection Gradient Descent

Balanced symmetric non-negative matrix factorization

摘要

期刊

机构

引用论文