クラスタアンサンブルを利用したGNMFに基づくクラスタリングの性能評価

抄録

近年，大規模高次元データに対するクラスタリング手法として，グラフ正則化非負値行列因子分解(GNMF: Graph Regularized Nonnegative Matrix Factorization)に基づくクラスタリングが注目されている．GNMFは多様体学習のアイデアをNMFに適用したものであり，実世界のデータに適した次元削減が可能である．しかし，GNMFの目的関数値とクラスタリング性能の間には隔たりが存在し，それ故に目的関数の最小化によって必ずしも高性能なクラスタリング結果が得られるとは限らない．さらに，多くの論文で詳細には考察されていないが，クラスタリング結果が初期値に依存する問題もある．本稿では，これらの問題を解決するための方法として，クラスタアンサンブルを利用したGNMFに基づくクラスタリング手法を提案する．また，提案手法によって高性能なクラスタリング結果が安定的に得られることを実験的に示す．