基于共軛梯度的2DNMF算法研究.pdf

1、人臉識別是通過分析人臉特征，比對特征信息來識別身份?；谧涌臻g分析的人臉識別方法，是近年來研究者非常關(guān)注的提取人臉特征的方法之一。但在提取特征和識別判斷的過程中，負(fù)值的出現(xiàn)是不易解釋甚至沒有物理意義的。因此，人們轉(zhuǎn)而考慮基于子空間分析下的非負(fù)矩陣分解算法(NMF)。該算法通過引入非負(fù)約束，提取出人臉局部的特征，不僅體現(xiàn)了局部構(gòu)成整體的思想，而且分解結(jié)果沒有負(fù)值，可解釋性強(qiáng)，有明確的物理意義。然而，傳統(tǒng)的NMF算法是基于梯度下降法的思想來

2、設(shè)計的，它利用乘性迭代規(guī)則交替更新。這種迭代方式收斂速度慢，用于特征提取的訓(xùn)練時間較長，難以適應(yīng)大規(guī)模數(shù)據(jù)的處理。
　　在綜合研究各類非負(fù)矩陣分解算法的基礎(chǔ)上，并考慮人臉圖像在遮擋、噪聲情況下的識別特性，本文提出兩個基于2DNMF的改進(jìn)算法:
　　(1)針對傳統(tǒng)2DNMF的分解所用的乘性迭代公式，用基于矩陣形式的共軛梯度法結(jié)合交替迭代得到新的迭代格式，從而得到新的列基和行基;再對這兩個基，以一種加權(quán)和的方式進(jìn)行類別索引，進(jìn)行