×
陈文胜;王、钱;潘，宾宾;陈波

用于人脸识别的流形结构非负矩阵分解。 （英语） Zbl 1411.68133号

国际J.Wavelets多分辨率。信息处理。 17，第2号，文章ID 1940006，21 p.（2019）.
摘要：非负矩阵分解（NMF）是一种在低阶非负基图像矩阵下利用非负特征表示人脸图像的有效方法。由于光照、姿势和面部表情的变化，人脸图像通常位于低维流形上。然而，NMF无法揭示嵌入在高维欧氏空间中的数据的流形结构，而流形结构同时包含局部和非局部固有特征。这两种特征有利于阶级歧视。为了提高NMF的识别能力，提出了一种新的流形结构NMF算法（Mani-NMF）。将与相邻图和非相邻图相关的两个量合并到目标函数中，通过求解两个凸次优化问题使目标函数最小化。基于梯度下降法和辅助函数技术，我们获得了Mani-NMF的更新规则，并从理论上证明了该算法的收敛性。选择耶鲁大学、疼痛表情和CMU三个公开的面部数据库进行评估。实验结果表明，我们的算法比一些最新的算法取得了更好的性能。

引用于1文件

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;人脸识别;多流形学习
PDF格式BibTeX公司 XML格式引用
\textit｛W.-S.Chen｝等人，Int.J.Wavelets多分辨率。信息处理。17，第2号，文章ID 1940006，21 p.（2019；Zbl 1411.68133）
全文： 内政部

参考文献：

[1] 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。
[2] 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（IEEE，纽约州布法罗，美国，2005），第15-20页。
[3] Cai，D.，He，X.F.，Han，J.W.和Huang，T.S.，数据表示的图正则化非负矩阵因式分解，IEEE Trans。模式分析。机器。Intell.33（8）（2011）1548-1560。
[4] Chen，W.S.，Li，Y.G.，Pan，B.B.和Xu，C.，人脸识别的快速非负矩阵分解，国际J。模式识别。Artif公司。《情报》32（4）（2018）1-32。
[5] Chen，W.S.，Pan，B.B.，Fang，B.，Li，M.和Tang，J.，人脸识别的增量非负矩阵因式分解，数学。问题。工程.2008（1）（2008）53-70。
[6] Chen，W.S.，Zhao，Y.，Pan，B.B.和Chen，B.，人脸识别的监督核非负矩阵分解，神经计算205（2016）165-181。
[7] Choi，S.，正交非负矩阵因式分解算法，收录于Proc。《国际联合协调神经网络》（IEEE，中国香港，2008），第1828-1832页。
[8] Guan，N.，Tao，D.，Luo，Z.和Yuan，B.，具有快速梯度下降的流形正则判别非负矩阵分解，IEEE Trans。图像处理.20（7）（2011）2030-2048·Zbl 1372.94098号
[9] He，M.，Wei，F.和Jia，X.，高光谱数据集数据特征提取的全局最大化、局部最小化、正则化非负矩阵分解，IEEE高光谱图像和信号处理研讨会：遥感IEEE的发展（IEEE，中国上海，2012），第1-4页。
[10] He，X.F.，Yan，S.C.，Hu，Y.X.，Niyogi，P.和Zhang，H.J.，使用拉普拉斯人脸的人脸识别，IEEE Trans。模式分析。机器。《情报》27（3）（2005）328-340。
[11] Lee，D.D.和Seung，H.S.，非负矩阵分解算法，神经信息处理。系统13（6）（2001）556-562。
[12] 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·Zbl 1369.68285号
[13] Liu，F.，用于图像分析的双局部保持非负矩阵因式分解，IEEE国际会议粒度计算（IEEE，中国杭州，2012），第300-303页。
[14] 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
[15] Pompili，F.，Gillis，N.，Absil，P.-A.和Glineur，F..，正交非负矩阵分解的两种算法及其在聚类中的应用，神经计算141（0）（2014）15-25。
[16] Ren，W.，Li，G.，Tu，D.和Jia，L.，带正则化的非负矩阵分解，IEEE J.新兴市场。顶部。电路系统4（1）（2014）153-164。
[17] Sun，F.M.，Xu，M.X.，Hu，X.K.和Jiang，X.J.，数据表示具有硬约束的图正则化和稀疏非负矩阵因式分解，神经计算173（2016）233-244。
[18] 唐义勇，陶义明，林永明，基于分形行为的特征提取新方法，模式识别。35（5）（2002）1071-1081·Zbl 0997.68117号
[19] Tang，Y.Y.，Yang，L.H.和Liu，J.M.，用小波变换表征Dirac结构边，IEEE Trans。系统。人类网络。B30（1）（2000）93-109。
[20] Tang，Y.Y.，You，X.G.和Shyu，I.-S.，基于新小波函数的带状形状骨架化，IEEE Trans。模式分析。机器。《情报》25（9）（2003）1118-1133。
[21] Tang，Y.Y.，Tu，L.T.，Liu，J.M.，Lee，S.W.，Lin，W.W.，Shyu，I.S.和Shyu。模式分析。机器。《情报》20（5）（1998）556-561。
[22] 田，J.，张，T.，秦，A.，尚，Z.和唐，Y.Y.，学习用于聚类的分布保持语义子空间，IEEE Trans。图像处理。26（12）（2017）5950-5965·兹伯利07013238
[23] Turk，M.和Pentland，A.，识别特征脸，J.Cogn。《神经科学》3（1）（1991）71-86。
[24] Wang，Y.，Jia，Y.、Hu，C.和Turk，M.，人脸识别的非负矩阵因式分解框架，国际J。模式识别。Artif公司。Intell.19（4）（2005）495-511。
[25] Wang，Y.Y.，Wu，S.Y.，Mao，B.，Zhang，X.和Luo，Z.G.，基于熵诱导度量的图正则化非负矩阵因式分解，神经计算204（2016）172-182。
[26] 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。
[27] Yang，J.，Zhang，D.，Yang，J.Y.和Niu，B.，《全球最大化，局部最小化：无监督鉴别投影在面部和手掌生物特征识别中的应用》，IEEE Trans。模式分析。机器。《情报》29（4）（2007）650-664。
[28] 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。
[29] Zhang，T.P.，Fang，B.，Tang，Y.Y.，He，G.H.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。
[30] Zhang，T.P.，Fang，B.，Tang，Y.Y.，Shang，Z.W.和Xu，B.，广义判别分析：矩阵指数方法，IEEE Trans。系统。人类网络。B40（1）（2010）186-197。
[31] Zhang，T.P.，Tang，Y.Y.，Fang，B.，Shang，Z.W.和Liu，X.Y.《使用梯度面在不同光照下进行人脸识别》，IEEE Trans。图像处理.18（11）（2009）2599-2606·Zbl 1371.94457号
[32] Zhang，T.P.，Fang，B.，Yuan，Y.，Tang，Y.Y.，Shang，Z.W.，Li，D.H.和Lang，F.N.，可变光照下人脸识别的多尺度面部结构表征，模式识别。42（2）（2009）251-258·Zbl 1162.68644号
[33] Zheng，J.，Chen，Y.，Jin，Y.and Wang，W.，增量局部保持非负矩阵因式分解，第六届国际会议高级计算智能（IEEE，杭州，中国，2013），第135-139页。
[34] Zhi，R.C.，Flierl，M.，Ruan，Q.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。
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。