版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、海量數(shù)據(jù)處理是目前科學(xué)研究亟待解決的關(guān)鍵技術(shù)問(wèn)題,如何將高維數(shù)據(jù)約減為低維數(shù)據(jù)并且使數(shù)據(jù)的某種潛在結(jié)構(gòu)變得清晰是研究的熱點(diǎn)和難點(diǎn)。非負(fù)矩陣分解(Non-negative Matrix Factorization, NMF)是一種非負(fù)限制下的矩陣分解方法,能夠極大地降低表達(dá)數(shù)據(jù)的維數(shù),分解特性符合人類感知事物的直觀體驗(yàn),分解結(jié)果可解釋性強(qiáng),并具有算法簡(jiǎn)單、易于實(shí)現(xiàn)等優(yōu)點(diǎn),目前已在維數(shù)約減、特征提取和模式識(shí)別等多領(lǐng)域獲得了廣泛應(yīng)用。本文在對(duì)
2、現(xiàn)有NMF方法進(jìn)行深入分析和研究的基礎(chǔ)上,提出了以下兩種改進(jìn)的非負(fù)矩陣分解方法。
?。ㄒ唬┮环N改進(jìn)的加權(quán)鑒別非負(fù)矩陣分解(WeightedDiscriminant Non-negative Matrix Factorization, WDNMF)方法。為克服目標(biāo)對(duì)象中的大面積連續(xù)遮擋引起的局部信息缺失從而降低識(shí)別準(zhǔn)確率的問(wèn)題,本文首先根據(jù)目標(biāo)對(duì)象中的遮擋區(qū)域構(gòu)造出一個(gè)權(quán)矩陣,并利用該矩陣對(duì)廣義KL散度(GKLD)進(jìn)行擴(kuò)展,形成了
3、加權(quán)廣義KL散度(Weighted GKLD, WGKLD)目標(biāo)函數(shù),以弱化甚至忽略遮擋區(qū)域?qū)μ卣魈崛〉挠绊?,著重?xùn)練未遮擋區(qū)域的數(shù)據(jù);同時(shí),為了得到更加局部化的特征,在包含WGKLD以及對(duì)系數(shù)矩陣施加的鑒別約束項(xiàng)的目標(biāo)函數(shù)中添加對(duì)基矩陣施加的稀疏約束正則項(xiàng);最后使用了簡(jiǎn)單有效的乘性迭代算法對(duì)基矩陣和系數(shù)矩陣的迭代規(guī)則進(jìn)行了推導(dǎo)。將本方法應(yīng)用于人臉識(shí)別,實(shí)驗(yàn)結(jié)果表明,相比同類其它方法,本方法對(duì)大面積連續(xù)遮擋具有較強(qiáng)魯棒性,能夠更有效、更
4、準(zhǔn)確地提取到人臉局部特征信息,分類準(zhǔn)確性得到了很好的改善。
(二)一種改進(jìn)的分塊鑒別非負(fù)矩陣分解(Blocked Discriminant Non-negative Matrix Factorization, BDNMF)方法。為了更加有效地利用數(shù)據(jù)的類別信息,降低特征提取時(shí)不同局部特征之間的干擾,以更準(zhǔn)確地提取人臉局部特征,提升方法對(duì)遮擋的魯棒性和適應(yīng)性,本文首先通過(guò)構(gòu)造樣本的類間相異度權(quán)矩陣提出了一種優(yōu)化的類間散度約束項(xiàng),
5、力圖更大限度地利用數(shù)據(jù)類別信息,并將該約束項(xiàng)引入基本的鑒別非負(fù)矩陣分解(Discriminant NMF, DNMF)模型中,且結(jié)合圖像分塊預(yù)處理,實(shí)現(xiàn)了一種改進(jìn)的分塊鑒別NMF(BDNMF)方法。然后利用BDNMF方法提取人臉若干不重疊子模塊的基空間,以達(dá)到降低特征提取時(shí)不同局部特征之間干擾的目的。最后根據(jù)特征融合規(guī)則,充分利用了各子模塊的信息,并采用最近鄰分類器進(jìn)行了人臉識(shí)別。實(shí)驗(yàn)結(jié)果表明,相比同類其它方法,本方法對(duì)大面積連續(xù)遮擋具
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于非負(fù)矩陣分解算法的離線筆跡鑒別
- 基于非負(fù)矩陣分解算法的離線筆跡鑒別.pdf
- 增量式非負(fù)矩陣分解方法的研究.pdf
- 非負(fù)矩陣的分解.pdf
- 非負(fù)矩陣分解新方法研究.pdf
- 基于非負(fù)矩陣分解的信息獲取方法研究.pdf
- 基于非負(fù)矩陣分解的盲信號(hào)分離方法研究.pdf
- 腫瘤異質(zhì)性研究的非負(fù)矩陣分解模型.pdf
- 基于非負(fù)矩陣分解的視頻水印方法研究.pdf
- 基于非負(fù)矩陣分解的醫(yī)學(xué)圖像分割方法研究.pdf
- 非負(fù)矩陣分解問(wèn)題算法的研究.pdf
- 松弛約束非負(fù)矩陣分解算法研究.pdf
- 魯棒非負(fù)矩陣分解算法研究.pdf
- 基于非負(fù)矩陣分解的高光譜圖像混合像元分解方法研究.pdf
- 語(yǔ)音特征波形的非負(fù)矩陣分解研究.pdf
- 稀疏約束非負(fù)矩陣分解方法及其應(yīng)用研究.pdf
- 基于非負(fù)矩陣分解的多視圖聚類方法研究.pdf
- 非負(fù)矩陣分解算法可靠性分析.pdf
- 矩陣的非負(fù)分解算法及應(yīng)用.pdf
- 24726.非負(fù)矩陣分解算法研究
評(píng)論
0/150
提交評(píng)論