非负矩阵分解方法及其在人脸识别中的应用.pdf

兰州理工大学
硕士学位论文
非负矩阵分解方法及其在人脸识别中的应用
姓名:郭建虎
申请学位级别:硕士
专业:计算机应用技术
指导教师:张永
20100420
摘要琋且恢纸闲碌木卣人脸识别性能还比较差。为了解决上述问题,本文做了以下工作:,—与蚐的乘性迭代算法相比虽然有较好的收辞蠼庑矶喔龃歉盒栽际南咝宰钚《宋侍猓贏步长规则的梯度投影法最耗时的操作是搜索满足步长规则的步长因子,这是最终导致算法的收敛速度太慢的主要原因。为了加快—算法的收敛速度,本文用基于步长规则的梯度投影法求解非负最小二乘问负矩阵分解进行了加权改进。根据人面部的眼睛、嘴巴、鼻子、眉毛对于正确识别人的身份所起的作用非常大,且这些器官近似地分布在人面部予了同等的地位,而人脸中心区域的像素对人脸识别贡献较大,应该在优化过程提出了加权非负矩阵分解琖J笛榻峁明,当人脸无遮挡时,基于惴ǖ娜肆呈侗鹦阅芸捎胩卣髁撤椒ㄏ噫敲溃关键词:非负矩阵分解;人脸识别;梯度投影法;,它将给定的一个非负矩阵分解为左右两个非负矩阵因子的乘积,可得到被分解矩阵的低秩逼近。当挥糜诙愿呶萁滴保捎诜歉盒栽际使得分解得到的矩阵因子具有一定程度的稀疏性,因而可得到对原始高维数据稀疏性的、基于部分的表示。在过去的十年里,魑P滦说奶卣魈崛》椒ê维数约减方法已应用于人脸识别、数字水印、文本分析等领域。然而,当数据规模很大、矩阵维数很高时,现有的惴ù嬖谑樟菜俣忍⑹樟残晕薹ū证等缺点;此外,淙灰丫怀晒Φ赜τ糜谌肆呈侗穑腔诟梅椒ǖ针对基于交替非负最小二乘法的梯度投影法改进的惴敛性,但存在收敛速度太慢的缺点,仔细分析发现,—惴ǖ拿恳淮蔚代都要调用基于步长规则的梯度投影法题,进而对算法进行了改进。实验结果表明,改进的~惴与原算法相比,在没有使计算精度遭受较大损失的情况下,收敛速度快出很多,实现了改进算法的目的。A颂嵘贔乍负矩阵分解現的人脸识别性能,本文对的中心区域,但是,当被用于提取人脸特征时,人脸图像中的所有像素被赋。中给中心区域的估计像素值与原像素值之间的偏差加上较大的惩罚,于是,本文当人脸存在较大尺寸的遮挡时,基于惴ǖ娜肆呈侗鹦阅苡庞谔卣髁撤椒ā硕十学位论文
—,琈琋.—畁畆猲甀瑃,,琣.,瑃:...甌甀,,瓵甌:猲籉;曼曼曼璺皇曼曼曼曼皇曼曼曼曼曼皇曼曼曼曼曼曼。
插图索引时,三种算法的的目标函数值随迭代次数的变化⋯⋯.肆晨庵胁糠秩肆惩枷瘛图人脸随机位置有不同尺寸遮挡的测试样本⋯⋯⋯⋯⋯⋯⋯惴ǚ纸獾玫降幕枷瘛惴ǚ纸獾玫降幕枷瘛图在无遮挡人脸测试样本集上识别率比较⋯⋯⋯⋯⋯⋯⋯..图肆匙涌占湮髦炙惴ǖ氖侗鹇仕嬲诘渤叽绲谋浠图肆匙涌占湮,各种算法的识别率随遮挡尺寸的变化⋯图人脸子空间维数为,各种算法的识别率随遮挡尺寸的变化⋯..图￡图算法分解得到的基图像硕十学位论文

刷磁轹了乏如肿即/作者签名:新泣鼬作者签名:薪建知冲兰州理工大学学位论文原创性声明学位论文版权使用授权书日期:#谀晔日集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特:以标注引用的内容外,本论文不包含任何其他个人或已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权兰州理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于⒈C芸冢年解密后适用本授权书。⒉槐C芡拧朐谝陨舷嘤Ψ娇蚰诖颉啊年年期期日ⅲ琔几
第滦髀课题背景非负矩阵分解的研究现状与发展趋势的价值不言而喻,对这些积存的海量数据进行分析、归类,从中挖掘出对人类生束手无策,幸运的是,数学中的矩阵分解思想给人类带来了福音。利用矩阵分解,阵因子中的元素可以存在负值,但负值在实际应用中往往缺少物理意义。或信号处理的许多数据具有非负性的特点,如灰度图像、物质成分含量、,在实际应用中具有明确物的理意义,从而得到智能化的、纯加性、低纬的非负矩阵分解目前已成为机器学习、模式识别、图像工程等领域的研究热点,可分为基于基本P偷乃惴ê突诟慕鳱模型的算法。随着计算机技术及网络通讯技术的飞速发展,特别是因特网的出现和普及,过去的几十年里,人类在生产、生活中积累的数据量急剧增长,信息时代,信息产、生活有用的信息迫在眉睫。生产、生活中产生的大量数据都具有非负性,如工厂产品的产量、销售公司的销售额