基于分数次幂内积核非负矩阵分解人脸识别算法研究

发布时间：2021-05-08 10:51

　　生物特征识别技术在现实生活中具有许多重要应用.在众多生物识别技术中,人脸识别技术具有非强制性、非接触性和安全性等优点,是人们最为普遍接受的一种生物识别方法,其在国家安全、社会经济等领域都发挥着非常重要的作用.人脸识别技术的关键在于特征提取,非负矩阵分解（NMF）是一种能够提取人脸图像非负特征的有效方法.但经典的NMF方法只是一种线性特征提取方法,其对由于姿态和光照变化导致常呈非线性分布的人脸图像数据的识别性能较差.基于核方法的NMF方法,比如使用多项式核的核非负矩阵分解算法（PNMF、PKNMF等）,能够有效克服人脸识别非线性问题,但它们依然存在如下问题:（1）多项式核函数只能取正整数幂,这大大限制了最优核参数的选取范围;（2）这些算法的损失函数均是基于矩阵F范数得到的,但该范数对异常值比较敏感;（3）收敛速度较慢;（4）特征非稀疏等问题.为解决这些问题,本学位论文对基于非负矩阵分解（NMF）的人脸识别算法展开了深入研究,取得了如下创新成果:针对多项式核函数的幂指数参数只能取正整数的问题,本文第三章首先构造了一种新的分数次幂内积函数,并从理论上证明了其为一种新的Mercer核函数.特别... 

【文章来源】：深圳大学广东省

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 常用的数据库
        1.3.1 ORL数据库
        1.3.2 FERET数据库
        1.3.3 Yale数据库
        1.3.4 PE数据库
        1.3.5 CMU PIE数据库
        1.3.6 AR数据库
    1.4 本文的研究内容和组织结构
        1.4.1 本文的研究内容
        1.4.2 本文的组织结构
第2章 非负矩阵分解算法的研究基础
    2.1 引言
    2.2 非负矩阵分解
    2.3 核函数与核方法
        2.3.1 核函数
        2.3.2 核方法
    2.4 核非负矩阵分解
        2.4.1 核非负矩阵分解的原理
        2.4.2 基于多项式核的非负矩阵分解
第3章 自构分数次幂内积核非负矩阵分解算法
    3.1 引言
    3.2 分数次幂内积核函数的构建
    3.3 FKNMF算法的构建
        3.3.1 对系数矩阵H的学习
        3.3.2 对基图像矩阵W的学习
    3.4 特征抽取与识别
    3.5 实验结果
        3.5.1 收敛性的比较
        3.5.2 算法的人脸识别性能
    3.6 本章小结
第4章 指数梯度分数次幂内积核非负矩阵分解算法
    4.1 引言
    4.2 EFKNMF算法的构建
        4.2.1 对基图像矩阵W的学习
        4.2.2 收敛性证明
    4.3 实验结果
        4.3.1 收敛速度的比较
        4.3.2 基图像的比较
        4.3.3 人脸识别的性能
    4.4 本章小结
第5章 稀疏分数次幂内积核非负矩阵分解算法
    5.1 引言
    5.2 LFKNMF算法的构建
        5.2.1 目标函数的构建
        5.2.2 对系数矩阵H的学习
        5.2.3 对基图像矩阵W的学习
        5.2.4 收敛性证明
    5.3 实验结果
        5.3.1 无噪音实验
        5.3.2 噪声实验
    5.4 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 研究展望
参考文献
致谢
攻读硕士学位期间的研究成果


【参考文献】：
期刊论文
[1]基于分块非负矩阵分解人脸识别增量学习[J]. 潘彬彬,陈文胜,徐晨.  计算机应用研究. 2009(01)



本文编号：3175208