一种组合类别信息的非负矩阵分解方法及其应用

• 作者: LI Yong-zhi 杨静宇
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 非负矩阵分解 组合类别信息的非负矩阵分解 特征提取 人脸识别
• 年，卷（期）: 2008,（7）
• 所属期刊栏目: 信息、控制、决策与仿真
• 页码范围: 1803-1807
• 页数: 5页
• 分类号: TP391
• 字数: 5286字
• 语种: 中文

摘要

基于非负矩阵分解理论,提出一种新的有监督的特征提取方法,它具有二个特点: 一是在特征提取过程中它直接利用训练样本的类别信息,二是在计算上仍然采用与非负矩阵分解方法相同数学公式,因此这种新特征提取方法被称为组合类别信息的非负矩阵分解(CINMF)方法.另外,在分类时本文提出了基于两种特征融合的分类策略进一步提高CINMF方法的识别率.通过在YALE人脸库和ORL人脸库上进行实验,结果表明本文提出的新方法在识别率方面整体上好于原非负矩阵分解方法,甚至超过常用的主成分分析法(PCA).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静宇	南京理工大学计算机科学与技术学院	623	11098	50.0	74.0
2	LI Yong-zhi	南京理工大学计算机科学与技术学院	1	2	1.0	1.0