摘要: 针对在线学习的人脸识别效率问题,提出了一种增量式鉴别非负矩阵分解算法。
在以往无监督学习模式下的增量式非负矩阵分解算法基础上,利用初始训练样本数据和新增训
练样本的类别信息,将同类别训练样本对应的系数向量均值作为初始迭代值,并在类内欧氏距
离最小的约束下建立目标泛函,从而获得更具鉴别性的特征并使优化求解时所需迭代次数明显
减少。通过在 ORL 和 PIE 人脸数据库上的实验验证了该算法收敛速度快、分类精度高,且较批
量式算法有更高的效率优势。
蔡 竞1,2,3,王万良 1,郑建炜 1,李吉明 3. 增量式鉴别非负矩阵分解算法及其在人脸识别中的应用[J]. 图学学报, DOI: 10.11996/JG.j.2095-302X.2017050715.
CAI Jing 1,2,3,WANG Wanliang 1,ZHENG Jianwei 1,LI Jiming 3. Incremental Discriminant Non-Negative Matrix Factorization and Its Application to Face Recognition[J]. Journal of Graphics, DOI: 10.11996/JG.j.2095-302X.2017050715.