| 基于大间隔编码的空间非负矩阵分解 |
| |
| 引用本文： | 刘大琨,谭晓阳.基于大间隔编码的空间非负矩阵分解[J].华南理工大学学报(自然科学版),2015(5). |
| |
| 作者姓名： | 刘大琨 谭晓阳 |
| |
| 作者单位： | 南京航空航天大学计算机科学与技术学院,江苏南京,210016 |
| |
| 基金项目： | 国家自然科学基金资助项目(61073112，61373060)；江苏省自然科学基金资助项目( BK2012793)；教育部博士点基金资助项目(20123218110033)@@@@s Supported by the National Natural Science Foundation of China，the Natural Science Foundation of Jiangsu Province， China，the Ph． D．Program Foundation of the Ministry of Education of China |
| |
| 摘 要： | 虽然基于局部的表示方法在图像处理中具有很好的鲁棒性,但非负矩阵分解只有隐式局部约束,导致分解不唯一和基图像不够局部.另外,局部性与判别性作为样本表示的重要性质几乎没有在非负矩阵分解中被同时考虑过.为此,文中提出了基于大间隔编码的空间非负矩阵分解,将图像数据看作像素构成的二维网络,借鉴网络中的知识将空间信息嵌入基图像,不但施加了显式的局部约束,而且能够弥补数据向量化损失的空间信息.同时,利用大间隔约束学到的额外一维空间平衡重建误差和判别性约束对基图像的影响.在AR数据库和扩展的Yale B数据库上的人脸识别实验结果表明,相比于非负矩阵及其他几种典型的扩展方法,基于大间隔编码的空间非负矩阵分解更加鲁棒.
|
| 关 键 词： | 模式分类 非负矩阵分解 空间约束 判别的子空间表示 大间隔约束 |
Spatial Non-Negative Matrix Factorization Based on Max-Margin Coding |
| |
| Liu Da-kun,Tan Xiao-yang.Spatial Non-Negative Matrix Factorization Based on Max-Margin Coding[J].Journal of South China University of Technology(Natural Science Edition),2015(5). |
| |
| Authors: | Liu Da-kun Tan Xiao-yang |
| |
| Abstract: | |
| |
| Keywords: | pattern classification non-negative matrix factorization spatial constraint discriminative subspace representation max-margin constraint |
| 本文献已被 CNKI 等数据库收录！ |
|
