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