自适应非负矩阵分解的人脸识别方法研究

• 作者: 肖化 覃阳
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 非负矩阵分解 稀疏表示 重构样本 人脸识别
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 73-77
• 页数: 5页
• 分类号: TP301
• 字数: 3981字
• 语种: 中文
• DOI: 10.11907/rjdk.191257

摘要

在单样本或者小样本的人脸识别系统中,常常会面临样本数量不足的问题,为解决少样本情况下的分类精度,以及利用原始特征或者目标特点重构的虚拟样本过于单一等问题,提出一种自适应非负矩阵分解(NMF)的人脸识别方法.该方法首先在矩阵分解过程中构造不同矩阵维度和迭代次数参数下的重构样本;然后利用QR分解稀疏表示方法进行人脸分类;最后,通过选取最优参数组合,调整重构样本,直至达到最佳分类效果.在ORL、Yale和AR 3个数据库上的实验结果表明,该算法在最佳参数下,尤其是单样本情况下对比基于原样本方法的准确率平均提高了约5％,最高提高了约10％～15％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖化	华南师范大学物理与电信工程学院	115	924	14.0	27.0
2	覃阳	华南师范大学物理与电信工程学院	2	0	0.0	0.0