基于大间隔编码的空间非负矩阵分解

摘要：

虽然基于局部的表示方法在图像处理中具有很好的鲁棒性，但非负矩阵分解只有隐式局部约束，导致分解不唯一和基图像不够局部。另外，局部性与判别性作为样本表示的重要性质几乎没有在非负矩阵分解中被同时考虑过。为此，文中提出了基于大间隔编码的空间非负矩阵分解，将图像数据看作像素构成的二维网络，借鉴网络中的知识将空间信息嵌入基图像，不但施加了显式的局部约束，而且能够弥补数据向量化损失的空间信息。同时，利用大间隔约束学到的额外一维空间平衡重建误差和判别性约束对基图像的影响。在AR数据库和扩展的YaleB数据库上的人脸识别实验结果表明，相比于非负矩阵及其他几种典型的扩展方法，基于大间隔编码的空间非负矩阵分解更加鲁棒。

关键词：模式分类、非负矩阵分解、空间约束、判别的子空间表示、大间隔约束

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61073112，61373060；江苏省自然科学基金资助项目 BK2012793；教育部博士点基金资助项目20123218110033@@@@s Supported by the National Natural Science Foundation of China61073112，61373060;the Natural Science Foundation of Jiangsu Province， ChinaBK2012793;the Ph． D．Program Foundation of the Ministry of Education of China20123218110033

在线出版日期：2015-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：120-125