基于非负矩阵分解的函数型聚类算法

摘要：

函数型聚类分析算法涉及投影和聚类两个基本要素.通常,最优投影结果未必能够有效地保留类别信息,从而影响后续聚类效果.为此,本文梳理了函数型聚类的构成要素及运行过程;借助非负矩阵分解的聚类特性,提出了基于非负矩阵分解的函数型聚类算法,构建了"投影与聚类"并行的实现框架,并采用交替迭代方法更新求解,分析了算法的计算时间复杂度.针对随机模拟数据验证和语音识别数据的实例检验结果显示,该函数型聚类算法有助于提高聚类效果;针对北京市二氧化氮(NO2)污染物小时浓度数据的实例应用表明,该函数型聚类算法对空气质量监测点类型的区分能够充分识别站点布局的空间模式,具有良好的实际应用价值.

关键词：函数型数据分析、聚类、非负矩阵分解、交替迭代方法

所属期刊栏目：37

分类号：O212(概率论与数理统计)

资助基金：国家社会科学基金西部项目"大规模稀疏函数型数据修复方法与应用研究"19XTJ002

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：91-103