计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
10期
269-273
,共5页
投影非负矩阵分解%线性变换%人脸识别
投影非負矩陣分解%線性變換%人臉識彆
투영비부구진분해%선성변환%인검식별
Projective non-negative matrix factorization%Linear transformation%Face recognition
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.
針對線性投影結構非負矩陣分解迭代方法比較複雜的問題,提齣瞭一種線性投影非負矩陣分解方法.從投影和線性變換角度齣髮,將Frobenius範數作為目標函數,利用泰勒展開式,嚴格導齣基矩陣和線性變換矩陣的迭代算法,併證明瞭算法的收斂性.實驗結果錶明:該算法是收斂的;相對于非負矩陣分解等方法,該方法的基矩陣具有更好的正交性和稀疏性;人臉識彆結果說明該方法具有較高的識彆率.線性投影非負矩陣分解方法是有效的.
침대선성투영결구비부구진분해질대방법비교복잡적문제,제출료일충선성투영비부구진분해방법.종투영화선성변환각도출발,장Frobenius범수작위목표함수,이용태륵전개식,엄격도출기구진화선성변환구진적질대산법,병증명료산법적수렴성.실험결과표명:해산법시수렴적;상대우비부구진분해등방법,해방법적기구진구유경호적정교성화희소성;인검식별결과설명해방법구유교고적식별솔.선성투영비부구진분해방법시유효적.
