×
陈文胜;刘京敏;潘，宾宾;李玉高

人脸识别中的块核非负矩阵分解。 （英语） Zbl 1434.68538号

国际小波多分辨率。信息处理。 17，第1号，文章ID 1850059，28 p.（2019）.
摘要：非负矩阵分解（NMF）是一种提取人脸图像局部特征的线性方法。然而，NMF可能无法处理非线性可分离的数据点。NMF的核扩展称为核NMF（KNMF），它可以建模数据点之间的非线性关系，提取人脸图像的非线性特征。KNMF是一种无监督方法，因此它不利用监督信息。此外，KNMF提取的特征不够稀疏。为了克服这些局限性，本文提出了一种有监督的KNMF，称为块核NMF（BKNMF）。通过合并类内信息，建立了一个新的目标函数。该算法是利用分块策略和核理论推导出来的。我们的BKNMF在人脸识别方面具有一些优点，例如高度稀疏的特征和来自不同类别的正交特征。我们从理论上分析了所提出的BKNMF的收敛性。与一些最先进的方法相比，我们的BKNMF在人脸识别方面取得了卓越的性能。

MSC公司：

68吨10 模式识别、语音识别
15A23型 矩阵的因子分解
62华氏35 多元分析中的图像分析
68单位10 图像处理的计算方法

关键词：

核方法;人脸识别;非负矩阵分解

软件：

NeNMF公司
PDF格式BibTeX公司 XML格式引用
\textit{W.-S.Chen}等人，《国际小波多分辨率》。信息处理。17，第1号，文章ID 1850059，28 p.（2019；Zbl 1434.68538）
全文： DOI程序

参考文献：

[1] Brunelli，R.和Poggio，T.，《面部识别：特征与模板》，IEEE Trans。模式分析。机器。Intell.15（1993）1042-1052。
[2] Belhumeur，P.N.、Hespanha，J.P.和Kriegman，D.J.，《特征脸与渔夫脸：使用特定类别线性投影的识别》，IEEE Trans。模式分析。机器。Intell.19（7）（1997）711-720。
[3] Bolle，R.M.、Connell，J.H.、Pankanti，S.、Ratha，N.K.和Senior，A.W.，《ROC曲线与CMC之间的关系》，第四届IEEE自动识别高级技术研讨会（2005年），第15-20页。
[4] Buciu，I.、Nikolaidis，N.和Pitas，I.，多项式特征空间中的非负矩阵因式分解，IEEE Trans。神经网络19（6）（2008）1090-1100。
[5] Chen，W.S.，Pan，B.，Fang，B.，Li，M.和Tang，J.，人脸识别的增量非负矩阵分解，数学。问题。工程.2008（1）（2008）53-70。
[6] Chen，W.S.和Yuen，P.C.，用于人脸识别内核直接LDA的插值Mercer内核构建，见IEEE国际会议声学、语音和信号处理（台湾台北，2009年4月19-24日），第857-860页。
[7] Eftekhari，A.，Forouzanfar，M.和Moghaddam，H.A.，用于人脸识别的分块2D内核PCA/LDA，Inf.Process。Lett.110（17）（2010）761-766·Zbl 1234.68352号
[8] Guan，N.，Tao，D.，Luo，Z.和Yuan，B.，NeNMF:非负矩阵分解的最优梯度法，IEEE Trans。信号处理。60（6）（2012）2882-2898·Zbl 1391.65115号
[9] He，X.和Niyogi，P.，局部保持投影，高级神经信息处理。系统16（1）（2004）186-197。
[10] Lee，D.D.和Seung，H.S.，通过非负矩阵分解学习对象的各个部分，Nature401（6755）（1999）788-791·兹比尔1369.68285
[11] Lee，D.D.和Seung，H.S.，非负矩阵分解算法，高级神经信息处理。系统。（加拿大不列颠哥伦比亚省温哥华，2001年12月3日至8日），第535-541页。
[12] Li，S.Z.，Hou，X.，Zhang，H.和Cheng，Q.，《学习空间局部化、基于部件的表示法》，摘自IEEE计算机学会计算机视觉和模式识别会议，第1卷（考艾，HI，美国，2001年12月8日至14日），第207-212页。
[13] Lin，C.J.，关于非负矩阵分解的乘法更新算法的收敛性，IEEE Trans。神经网络.18（6）（2007）1589-1597。
[14] Lin，C.J.，非负矩阵分解的投影梯度法，神经计算，19（10）（2007）2756-2779·Zbl 1173.90583号
[15] Liu，F.，用于图像分析的双局部保持非负矩阵因式分解，载于IEEE国际会议粒度计算（中国杭州，2012年8月11-13日），第300-303页。
[16] Li，B.，Zhou，G.和Cichocki，A.，近似正交非负矩阵分解的两种有效算法，IEEE信号处理。信函22（7）（2015）843-846。
[17] Pekalska，E.和Haasdonk，B.，正定核和不定核的核判别分析，IEEE Trans。模式分析。机器。Intell.31（6）（2009）1017-1032。
[18] Pan，B.，Lai，J.和Chen，W.S.，基于Mercer核构造的非线性非负矩阵因式分解，模式识别。44（10）（2011）2800-2810·Zbl 1218.68150号
[19] Ren，W.，Li，G.，Tu，D.和Jia，L.，带正则化的非负矩阵因式分解，IEEE J.Emerg.Sel。顶部。电路系统4（1）（2014）153-164。
[20] Schökopf，B.，Smola，A.和Müller，K.R.，作为核心特征值问题的非线性成分分析，神经计算。10（5）（1996）1299-1319。
[21] Schölkopf，B.和Smola，A.，《使用核支持向量机学习、正则化、优化和超越》，IEEE Trans。神经网络16（3）（2005）781-781。
[22] Turk，M.和Pentland，A.，识别特征脸，J.Cogn。《神经科学》3（1）（1991）71-86。
[23] Vapnik，V.，《统计学习理论》（Wiley，纽约，1998年）·Zbl 0935.62007号
[24] Wright，J.，Yang，A.Y.，Ganesh，A.，Sastry，S.S.和Ma，Y.，通过稀疏表示实现鲁棒人脸识别，IEEE Trans。模式分析。机器。Intell.31（2）（2009）210-227。
[25] Wang，Y.，Tang，Y.and Li，L.，基于最小误差熵的原子表示鲁棒人脸识别，IEEE Trans。图像处理。24（12）（2015）5868-5878·Zbl 1408.94696号
[26] Xia，Z.，Ding，C.和Chow，E.，《稳健核非负矩阵因式分解》，载于国际会议数据挖掘研讨会（比利时布鲁塞尔，2012年12月10日至13日），第522-529页。
[27] Yu，H.和Yang，J.，《应用于人脸识别的高维数据的直接LDA算法》，《模式识别》34（2001）2067-2070·Zbl 0993.68091号
[28] Yang，J.，Zhang，D.，Yang，J.和Niu，B.，《全局最大化，局部最小化：人脸和手掌生物识别应用的无监督判别投影》，IEEE Trans。模式分析。机器。国际贸易法委员会29（4）（2007）650-664。
[29] Yu，J.、Meng，J.和Lu，X.，基于核的非负矩阵分解，载于国际地球科学与遥感会议（美国夏威夷州火奴鲁鲁，2010年7月25日至30日），第376-379页。
[30] Yang，S.，Yi，Z.，Ye，M.和He，X.，图正则化非负矩阵因式分解的收敛性分析，IEEE Trans。知识。数据工程26（9）（2014）2151-2165。
[31] Zafeiriou，S.，Tefas，A.，Buciu，I.和Pitas，I.，利用非负矩阵因式分解中的判别信息并应用于正面人脸验证，IEEE Trans。神经网络17（3）（2006）683-695。
[32] Zhang，T.，Fang，B.，Tang，Y.Y.，He，G.和Wen，J.，用于人脸识别的保拓扑非负矩阵因式分解，IEEE Trans。图像处理.17（4）（2008）574-584。
[33] Zhang，T.，Fang，B.，Liu，W.，Tang，Y.Y.，He，G.和Wen，J.，用于识别图像模式判别表示的基于总变差范数的非负矩阵分解，神经计算71（10-12）（2008）1824-1831。
[34] Zafeiriou，S.和Petrou，M.，非线性非负分量分析算法，IEEE Trans。图像处理.19（4）（2010）1050-1066·Zbl 1371.94448号
[35] Zhi，R.，Flierl，M.，Ruan，Q.和Kleijn，W.B.，保图稀疏非负矩阵分解及其在面部表情识别中的应用，IEEE Trans。系统。人类网络。B41（1）（2011）38-52。
[36] Zhou，G.，Cichocki，A.和Xie，S.，基于低阶近似的快速非负矩阵/张量因式分解，IEEE Trans。信号处理。60（6）（2012）2928-2940·Zbl 1391.65117号
[37] Zheng，J.，Chen，Y.，Jin，Y.and Wang，W.，《增量局部保持非负矩阵因式分解》，载于《高级计算智能国际会议》（中国杭州，2013年10月19日至21日），第135-139页。
[38] Zhu，F.，Honeine，P.和Kallas，M.，《无预成像问题的核非负矩阵因式分解》，摘自IEEE信号处理机器学习国际研讨会（法国兰斯，2014年9月21日至24日），第1-6页。
[39] Zou，C.，Kou，K.和Wang，Y.，四元数协同稀疏表示及其在彩色人脸识别中的应用，IEEE Trans。图像处理。25（7）（2016）3287-3302·Zbl 1408.94854号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。