互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于分块非负矩阵分解人脸识别增量学习


□ 潘彬彬 陈文胜 徐 晨

   (深圳大学 数学与计算科学学院,智能计算科学研究所, 广东 深圳 518060)
  
  摘 要:非负矩阵分解(NMF)算法可以提取图像的局部特征,然而NMF算法有两个主要缺点:a)当矩阵维数较大时,NMF算法非常耗时;b)当增加新的训练样本或类别时,NMF算法必须进行重复学习。为克服NMF算法这些缺点,提出了一种新的分块NMF算法(BNMF)。特别地,该方法还可用于增量学习。通过在FERET和CMU PIE人脸数据库上进行实验,结果表明该算法均优于NMF和PCA算法。
  关键词:非负矩阵分解; 局部特征提取; 人脸识别; 增量学习
  中图分类号:TP391 文献标志码:A
   文章编号:10013695(2009)01011704
  
  Incremental learning of face recognitionbased on block nonnegative matrix factorization
  PAN Binbin, CHEN Wensheng, XU Chen
  
  (Institute of Intelligent Computing Science, CollegeofMathematics & Computational Science, Shenzhen University, Shenzhen Guangdong 518060, China )
  
  Abstract:Nonnegative matrix factorization (NMF) can extract local features of images. However, NMF method has two main drawbacks. One shortcoming is that it is very timeconsuming to deal with large matrices. The other is that it must implement repetitive learning, when the training samples or classes are incremental. In order to overcome these two limitations, this paper presented a novel block NMF (BNMF) method. In particular, it could be applied to incremental learning. Two face databases, namely FERET and CMU PIE face databases, were selected for evaluation. Comparing with NMF and PCA schemes, the proposed method gives superior results. ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017