学术论文

      基于稀疏约束非负矩阵分解的人脸特征提取算法

      Facial feature extraction algorithm based on non-negative matrix factorization with sparse constraint

      摘要:
      非负矩阵分解(NMF)是最近流行的一种提取数据局部特征的算法,虽该算法已成功用于多种领域,但其并不能总是最好地表示局部特征.针对上述问题,文中在非负矩阵分解的同时加入稀疏的限制,并通过限制稀疏度从而提高局部特征的提取效果.通过在人脸图片上的实验可明显看出,加入稀疏限制的非负矩阵分解能更清楚地提取出所需的局部特征,以便于后续针对特征进行的各种工作.
      Abstract:
      Non-negative matrix factorization (NMF) is a recently popular local feature data extraction algorithm,although the algorithm is successfully used in a variety of areas,but it is not always the best representation of local features.To solve these problems,this paper for non-negative matrix factorization of sparse while adding restrictions improves the extraction of local features.By the experiments on facial image can be clearly seen,adding sparse restrictions NMF can more clearly extracted local features required to facilitate follow-up for various operating characteristics.
      作者: 杨全海
      Author: YANG Quan-hai
      作者单位: 陕西职业技术学院计算机科学系,西安,710100
      刊 名: 信息技术 ISTIC
      年,卷(期): 2017, (3)
      分类号: TP391
      在线出版日期: 2017年4月18日