组合2DFLDA监督的非负矩阵分解和独立分量分析的特征提取方法

• 作者: 高涛
• 来源期刊: 计算机应用研究
• 关键词: 人脸识别 梯度非负矩阵分解 径向基网络
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1588-1590,1594
• 分类号: TF391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.04.109

摘要

通过对投影非负矩阵分解(NMF)和二维Fisher线性判别的分析,针对NMF的特征提取存在无监督学习以及特征维数高的问题,提出了组合2DFLDA监督的非负矩阵分解和独立分量分析(SPGNMFICA)的特征提取方法.首先对样本进行投影梯度的非负矩阵分解,将得到的NMF子图像进行二维Fisher线性判别,主要反映类间差异信息构建子空间；对子空间的向量进行独立分量分析( ICA),得到独立分量特征空间；其次将样本在独立分量特征空间上进行投影；最后使用径向基网络对投影系数进行识别.通用人脸库ORL和YALE的识别实验证明,该算法是一种有效的特征提取和识别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高涛	长安大学信息工程学院	29	37	4.0	5.0