摘要
提出了一种正交指数约束的平滑非负矩阵分解方法,该方法将非负矩阵分解为基矩阵、列归一化平滑矩阵和系数矩阵之积,同时在目标函数中加入了正交指数约束,保证了低维特征的非负性和局部化,减小了分解误差,提高了稀疏性的调节能力。将该方法应用于数据降维、特征稀疏性比较、有遮挡人脸识别和视频运动特征提取。实验结果表明,该方法比同类方法具有更好的性能。
学科与关键词
关键词
非负矩阵分解稀疏特征正交约束特征提取有遮挡人脸识别 non-negative matrix factorization(NMF)sparse featureorthogonal constraintfeature extractionoccluded face recognition
- 稀疏性正则化非负矩阵分解的在线学习方法薛模根; 徐国明; 王峰模式识别与人工智能, 2013, (03): 242-246.
- 几类非负矩阵分解算法及其在图像处理中的应用柯艺芬; 马昌凤平顶山学院学报, 2013, (05): 1-7.
- 体积约束的稀疏NMF高光谱解混王伞; 韩月; 王立国哈尔滨工程大学学报, 2019, (12): 2077-2082.
