-
题名线性投影非负矩阵分解方法及应用
被引量:7
- 1
-
-
作者
胡俐蕊
吴建国
汪磊
-
机构
南通大学计算机科学与技术学院
安徽大学计算智能与信号处理教育部重点实验室
安徽大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2013年第10期269-273,共5页
-
基金
安徽省科技攻关项目(07010202057)资助
-
文摘
针对线性投影结构非负矩阵分解迭代方法比较复杂的问题,提出了一种线性投影非负矩阵分解方法。从投影和线性变换角度出发,将Frobenius范数作为目标函数,利用泰勒展开式,严格导出基矩阵和线性变换矩阵的迭代算法,并证明了算法的收敛性。实验结果表明:该算法是收敛的;相对于非负矩阵分解等方法,该方法的基矩阵具有更好的正交性和稀疏性;人脸识别结果说明该方法具有较高的识别率。线性投影非负矩阵分解方法是有效的。
-
关键词
投影非负矩阵分解
线性变换
人脸识别
-
Keywords
projective non-negative matrix factorization, linear transformation, face recognition
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于线性投影结构的非负矩阵分解
被引量:22
- 2
-
-
作者
李乐
章毓晋
-
机构
清华大学清华信息科学与技术国家实验室
清华大学电子工程系
中国电子信息产业发展研究院
-
出处
《自动化学报》
EI
CSCD
北大核心
2010年第1期23-39,共17页
-
基金
国家自然科学基金(60872084)资助~~
-
文摘
非负矩阵分解(Non-negative matrix factorization,NMF)是一个近年来非常流行的非负数据处理方法,它常用于维数约减、特征提取和数据挖掘等.NMF定义中采用的数学模型基于非线性投影结构构造,这决定了NMF降维需借助计算量很大的迭代操作来实现.此外,由此模型提取的NMF特征常不稀疏,这与NMF的设计期望相差甚远.为一并解决上述两个问题,本文提出了一个新的模型—基于线性投影结构的NMF(Linear projection-based NMF,LPBNMF),并构造了一个单调的LPBNMF算法.从数学的角度看,LPBNMF可理解为实现NMF的一种特殊方式.LPBNMF降维通过线性变换来完成,它所采用的数学模型的自身结构特点决定了由其得到的特征一定非常稀疏.大量的比较实验表明,LPBNMF的降维效率显著高于NMF,LPBNMF特征明显比NMF特征更稀疏和局部化.最后,基于AR人脸数据库的实验揭示,LPBNMF特征比NMF、LDA以及PCA等特征更适合于用最近邻分类法处理有遮挡人脸识别问题.
-
关键词
非负矩阵分解
基于线性投影结构的非负矩阵分解
特征提取
数据描述
降维效率
稀疏特征
有遮挡人脸识别
-
Keywords
non-negative matrix factorization (NMF), data representation, efficiency of dimensionality reduction, linear projection-based NMF (LPBNMF), feature extraction sparse feature, occluded face recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于小波和非负稀疏矩阵分解的人脸识别方法
被引量:7
- 3
-
-
作者
欧阳怡彪
蒲晓蓉
章毅
-
机构
电子科技大学计算机科学与工程学院计算智能实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2006年第10期159-162,共4页
-
基金
国家自然科学基金资助项目(60471055)
电子科技大学青年基金资助项目(L08010601JX04030)
-
文摘
提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像,选择最低分辨率的子段,既能捕获到人脸的实质特征,又有效地降低了计算复杂性;非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征;Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明,这种方法对光照变化、人脸表情和部分遮挡不敏感,具有良好的健壮性和较高的识别效率。
-
关键词
人脸识别
小波变换
非负矩阵分解
FISHER线性判别
-
Keywords
face recognition
Wavelet transformation(WT)
non-negative matrix factorization(NMF)
Fisher linear Dis- criminant ( FLD )
-
分类号
TP317.4
[自动化与计算机技术—计算机软件与理论]
-