附加輪廓信息的圖正則非負(fù)矩陣分解及在人臉識別中的應(yīng)用.pdf

1、矩陣分解在信息重建、計算機視覺和模式識別等領(lǐng)域引起了廣泛的興趣和關(guān)注.非負(fù)矩陣分解由于其對局部構(gòu)成整體思想的體現(xiàn)以及對數(shù)據(jù)低維特征的挖掘而備受關(guān)注.論文引言中介紹了已有的非負(fù)矩陣分解模型和圖正則非負(fù)矩陣分解模型，并介紹了模型求解算法中較常用的乘子迭代算法和投影梯度算法.論文第二章提出了附加輪廓信息的圖正則非負(fù)矩陣分解模型.并應(yīng)用帶積極集策略的共軛梯度(ASCG)算法求解該模型.論文第三章中我們在實際人臉數(shù)據(jù)庫上進行了數(shù)值實驗.我們將AS

2、CG算法同MU算法和PG算法進行了比較.并使用ASCG算法求解GNMFO模型，在分解得到的低維矩陣因子上進行人臉分類.本論文最主要的創(chuàng)新點在于通過原始人臉圖像矩陣的一階差分信息表示人臉輪廓信息，并通過人臉輪廓信息構(gòu)造了圖正則項.這種構(gòu)造的方式簡單易行同時很好的提高了人臉識別的分類效果.另外，我們采取了帶積極集策略的共軛梯度算法求解GNMFO模型，算法具有好的收斂性.我們將GNMFO模型及ASCG算法應(yīng)用到實際高維人臉數(shù)據(jù)庫中進行人臉分類