对称非负矩阵分解的一种融合算法

非负矩阵分解(NMF)是一种非常流行的无监督或半监督学习方法,可用于各种应用程序,包括数据聚类,图像处理和文档的语义分析。 这项研究的重点是对称NMF(SNMF),这是NMF的特例,可用于网络分析。 尽管在文献中存在几种用于SNMF的算法,但是它们的收敛和初始化尚未得到很好的解决。 在本文中,我们首先讨论了现有的SNMF算法的收敛性和初始化性。 然后,我们提出了SNMF的收敛算法(称为CASNMF),该算法可最小化对称矩阵与其SNMF的近似之间的欧几里得距离。 基于优化原理和局部辅助函数方法,证明了我们提出的CASNMF不仅收敛到一个平稳点,而且可以应用于更广泛的SNMF问题。 另外,CASNMF不需要初始值不为零。 为了验证我们的理论结果,通过将我们提出的CASNMF与其他现有方法进行比较,对三个数据集进行了实验。