基于非负矩阵分解的类标签映射集成学习

摘要：

非负矩阵分解已广泛应用于人脸识别,但因无监督、子空间线性表示、基特征局部次优等特点,它识别光照复杂、表情丰富的人脸图像的能力有限.为优化非负矩阵分解的人脸识别能力,分析并建立了非负矩阵分解的集成分类框架,整合多组基特征的弱类别结构信息,在无监督情形下利用偏最小二乘回归建立符合统计属性的集成标签映射,突显正确的类结构.通过多组人脸数据集的试验结果表明,基于非负矩阵分解的集成分类能力显著提高,适用光照复杂、表情丰富的人脸图像识别.

关键词：非负矩阵分解、人脸识别、集成分类、偏最小二乘回归

所属期刊栏目：18

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金11501097

在线出版日期：2018-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：59-65