一种面向图像表示的深度图正则化非负矩阵分解方法

摘要

本发明公开了一种面向图像表示的深度图正则化非负矩阵分解方法。本发明包括以下步骤：1)利用编码器模块，输入数据学习适当的非线性映射函数，将原始数据映射到非线性特征空间，学习数据表征；2)利用非负矩阵分解模块将所学的数据表征进行矩阵分解，得到系数矩阵；3)利用解码器重新映射特征回到原始输入空间，对输入数据进行重构；4)采用传统K‑means方法对进行非负矩阵分解后的系数矩阵进行聚类，得到图像聚类结果；5)更新权重，优化整体深度图正则化非负矩阵分解模型。本发明大大扩展了应用范围，同时提出一种新的深度非负矩阵分解模型，解决了传统非负矩阵分解在图像数据聚类任务重性能较差的问题。