开发工具:
文件大小: 8kb
下载次数: 0
上传时间: 2010-04-12
详细说明：作为一种重要的身份认证的手段，人脸识别已经广泛地应用于管理、安全等各个领域。人脸识别的一个关键性的问题是特征抽取，即如何从众多的特征中寻找最有效的特征。子空间分析法是一种有效的特征抽取方法，而本文所研究讨论的非负矩阵分解(Non-negative Matrix Factorization, NMF)具有一些独特的优点，成为构建特征子空间的一种有效的方法。
非负矩阵分解是一种新的矩阵分解方法，它将一个非负矩阵分解为左右两个非负矩阵的乘积。由于分解前后的矩阵中仅仅包含非负元素，因此原来矩阵中的列向量可解释为对左矩阵中所有列向量(称基向量)的加权和；而权重系数为右矩阵中对应列向量中的元素。这种基于基向量组合的表示形式具有直观的语义解释，反映了人们思维中局部构成整体的概念。与一般矩阵分解方法相比，NMF具有其独特的优点。例如实现起来比较简单，分解的形式和结果具有实际的物理意义等。典型的非监督学习算法，如主分量分析(PCA)、矢量量化(VQ)、独立分量分析(ICA)、因子分析(FA)等，均可以理解为对原始数据矩阵在一定条件限制下进行分解。本文的非负矩阵分解(NMF)算法与上述算法模型类似，是国际上新近提出的一种矩阵分解方法。与其他方法相比，NMF特殊之处在于其对于矩阵分解过程的非负限制，这会得到原始数据基于部分的表示，从而能更好的反映原始数据的局部特征，NMF的这一特性使得其可在诸多领域的应用得到很好的效果。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
