方维涛;马鹏;程正斌;杨丹（Yang，Dan）;张晓红 二维投影非负矩阵分解及其在人脸识别中的应用。 （中文。英文摘要） Zbl 1274.65079号 《汽车学报》。罪。 38，第9期，1503-1512（2012）. 摘要：人脸识别算法通过最小化非负矩阵分解的损失函数，必须同时计算基矩阵和系数矩阵，这导致了较高的计算复杂度。将非负性质引入二维主成分分析（2DPCA），提出了一种新的二维投影非负矩阵分解（2DPNMF）人脸识别方法。2DPNMF保留了人脸图像的局部结构，突破了非负矩阵分解损失函数最小化的限制。由于2DPNMF只需要计算投影矩阵（基矩阵），因此其计算复杂度大大降低。本文从理论上证明了该算法的收敛性，并使用YALE人脸数据库、FERET人脸数据库和AR人脸数据库进行了对比实验。实验结果表明，2DPNMF比NMF和2DPCA具有更高的识别性能和更快的速度。 引用于1文件 MSC公司： 65平方英尺 线性系统和矩阵反演的直接数值方法 15A23型 矩阵的因式分解 68吨10 模式识别、语音识别 68单位10 图像处理的计算方法 94A08型 信息与通信理论中的图像处理（压缩、重建等） 94A62型 身份验证、数字签名和秘密共享 15个B48 正矩阵及其推广；矩阵的锥 65年20月 数值算法的复杂性和性能 65D18天 计算机图形、图像分析和计算几何的数值方面 62H25个 因子分析和主成分；对应分析 关键词：二维主成分分析;非负矩阵分解;人脸识别;特征提取;数值示例;算法;计算复杂性;人脸图像;汇聚 软件：AR面;耶鲁脸;费雷特 PDF格式BibTeX公司 XML格式引用 \textit{W.Fang}等人，《汽车学报》。罪。38，第9号，1503-1512（2012；Zbl 1274.65079） 全文： 内政部