版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、非負(fù)矩陣分解算法由于具有實(shí)現(xiàn)上的簡便性、分解形式和分解結(jié)果上的可解釋性,以及占用存儲空間少等諸多優(yōu)點(diǎn),自提出之后迅速受到數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)、生物信息學(xué)等各個(gè)領(lǐng)域研究人員的關(guān)注??墒牵贜MF的人臉識別算法需要將人臉圖像向量化后再進(jìn)行特征提取。當(dāng)圖像尺寸較大時(shí),圖像的向量化會產(chǎn)生高維數(shù)據(jù),而使得后續(xù)算法具有較高的計(jì)算復(fù)雜性;此外,圖像的向量化也會導(dǎo)致隱含在原始圖像中的某些結(jié)構(gòu)信息丟失。為此,研究人員從不同的角度建立了基于二維非負(fù)矩
2、陣分解(2DNMF)的人臉識別方法。
基于已有的2DNMF算法,本文從提高識別率減少計(jì)算量的角度提出了兩個(gè)改進(jìn)的2DNMF算法并應(yīng)用于人臉識別。首先利用行、列特征矩陣(投影系數(shù)矩陣)的加權(quán)和重新構(gòu)造描述人臉的整體特征矩陣(投影系數(shù)矩陣),使得特征提取過程更注重隱含于原圖像行、列中的結(jié)構(gòu)信息;同時(shí)也考慮了基矩陣的正交化策略,以便消除特征矩陣各元素之間的統(tǒng)計(jì)相關(guān)性,減少特征矩陣之間的信息冗余。改進(jìn)的算法保留了2DNMF的在特征提取
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于二維PCA的人臉識別算法研究.pdf
- 基于二維圖像的人臉識別研究.pdf
- 基于NMF和SVM改進(jìn)算法的人臉識別.pdf
- 基于二維三維信息融合的人臉識別算法研究.pdf
- 基于PCA與NMF的人臉識別算法的研究.pdf
- 二維人臉識別算法研究.pdf
- 基于二維主成分分析的人臉識別算法的研究.pdf
- 基于無參數(shù)二維判別局部保持投影算法的人臉識別.pdf
- 直接基于二維圖像的人臉識別技術(shù)研究.pdf
- 基于AdaBoost與二維Gabor變換的人臉表情識別研究.pdf
- 二維子空間算法和改進(jìn)的LPP相結(jié)合的人臉識別算法研究.pdf
- 二維PCA人臉識別算法的改進(jìn)研究.pdf
- 基于二維局部保留投影的人臉識別系統(tǒng)的研究.pdf
- 基于OpenCV的二維PCA人臉識別算法研究與實(shí)現(xiàn).pdf
- 基于二維圖像表示的人臉檢測與識別技術(shù)研究.pdf
- 基于PCA和二維Gabor小波變換的人臉識別.pdf
- 基于二維Gabor變換與支持向量機(jī)的人臉表情識別研究.pdf
- 基于三維模型的人臉識別算法研究.pdf
- 基于非張量積小波及改進(jìn)二維主成分分析的人臉識別算法研究.pdf
- 基于人臉檢測的二維彩色圖像中的人臉跟蹤研究.pdf
評論
0/150
提交評論