改进非负矩阵分解的神经网络人脸识别

• 作者: 杨帆 郑明秋
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 机器视觉 人脸识别 非负矩阵分解 遗传算法 神经网络
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 显示与图像
• 页码范围: 213-218
• 页数: 6页
• 分类号: TP391
• 字数: 3225字
• 语种: 中文
• DOI: 10.3788/YJYXS20173203.0213

摘要

为了提高人脸识别正确率,提出基于改进非负矩阵分解的神经网络人脸识别算法.首先利用改进的非负矩阵分解对人脸图像进行特征提取,提高非负矩阵分解速度.接着将提取出的特征信息作为神经网络学习入口进行特征训练,由于神经网络在学习过程中,容易出现局部最小值且收敛速度慢等问题,为此采用改进的遗传算法对神经网络进行优化处理,获得最终的人脸识别结果.实验结果表明:利用改进的非负矩阵分解方法能够降低神经网络的分类训练负荷量和运算量,提高人脸识别识别率.通过和各种方法比较可知,本方法的人脸识别率都较高.本方法人脸特征分解速度快,提高了神经网络训练前期精度和收敛速度,使得人脸识别正确率高.当特征向量个数达到40以上时,人脸识别正确率保持95%以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨帆	长春理工大学计算机科学技术学院	24	76	5.0	7.0
2	郑明秋	长春信息技术职业学院计算机系	9	49	4.0	6.0