基于对抗训练的图正则化非负矩阵分解算法

张雨蓉; 张书铭; 何进荣; 闭应洲

doi:10.13876/J.cnki.ydnse.240063

延安大学学报（自然科学版） ›› 2025, Vol. 44 ›› Issue (01) : 89 -95. DOI: 10.13876/J.cnki.ydnse.240063

基于对抗训练的图正则化非负矩阵分解算法

张雨蓉, 张书铭, 何进荣, 闭应洲

作者信息 +

Author information +

文章历史 +

PDF

摘要

传统的非负矩阵分解（NMF）在处理复杂数据集时，因忽略局部特征和鲁棒性不足而受限。为应对这些问题，本文提出了一种新型的对抗训练图正则化非负矩阵分解算法（AT-GNMF），旨在通过提高降维过程的准确性来优化NMF的表示能力。算法通过引入对抗性扰动，模拟数据在实际应用中可能遇到的攻击和噪声，促使模型学习到更为鲁棒的特征。结合图正则化技术，AT-GNMF进一步强化了数据局部结构的保持，有助于在降维过程中保留数据的关键信息。此外，通过网格搜索技术优化了超参数，确保了模型在给定超参数空间内达到最优性能。通过在多个公开数据集上进行的实验，采用聚类任务作为性能评估的基准，验证了AT-GNMF在复杂数据降维任务中的优越性能。