用于独立特征学习的稀疏非负矩阵分解算法

为了防止特征的共适应性，提出利用余弦相似度来减少潜在特征之间的相关性，从而提高非负矩阵分解（non-negative matrix decomposition，NMF）的独立特征学习能力。此外，为了使得分解后的矩阵具有较好的稀疏性，提出在传统NMF模型中引入<i>L</i>_2，1/2稀疏约束，增强了算法的局部学习能力和稳健性。因此，潜在特征中的语义信息更加明显，潜在空间的表示更具有判别性。在fetch_20newsgroups数据集上对文档聚类的实验结果表明，提出的INMF算法在一系列评价指标上效果都优于传统的NMF、SNMF等算法模型。