高,梁;于家平;潘继元 基于特征再制造的数据稀疏表示。 (中文。英文摘要) Zbl 1399.68154号 J.北京工业大学。 43,第11期,1666-1672(2017). 摘要:非负矩阵因式分解(NMF)学习到的基本特征通常是光滑的,因为目标函数对两个非负因子同时是非凸的。为了增强NMF基本特征的稀疏性,通过研究原始数据和基本特征之间的本质相似性,提出了基于特征再制造的数据稀疏表示。通过利用若干先验正则化从部分数据中获得一组粗略特征,这些先验正则化是一些语义人脸图像。将NMF应用于这些语义人脸,通过保持显著特征和消除粗糙特征之间的重叠,进一步突出了潜在特征。合成游泳数据集和人脸数据集的结果表明,最终的潜在特征比NMF更稀疏,对稀疏表示更有效。 MSC公司: 68吨10 模式识别、语音识别 15A23型 矩阵的因式分解 68T05型 人工智能中的学习和自适应系统 关键词:非负矩阵分解;特征再制造;稀疏表示;人脸识别 PDF格式BibTeX公司 XML格式引用 \textit{L.Gao}等人,J.北京理工大学。43,第11号,1666--1672(2017;Zbl 1399.68154) 全文: 内政部