本文選題：二維非負矩陣分解 + 共軛梯度��； 參考：《大連海事大學》2016年碩士論文

【摘要】：人臉識別是通過分析人臉特征,比對特征信息來識別身份�；谧涌臻g分析的人臉識別方法,是近年來研究者非常關注的提取人臉特征的方法之一。但在提取特征和識別判斷的過程中,負值的出現(xiàn)是不易解釋甚至沒有物理意義的。因此,人們轉而考慮基于子空間分析下的非負矩陣分解算法(NMF)。該算法通過引入非負約束,提取出人臉局部的特征,不僅體現(xiàn)了局部構成整體的思想,而且分解結果沒有負值,可解釋性強,有明確的物理意義。然而,傳統(tǒng)的NMF算法是基于梯度下降法的思想來設計的,它利用乘性迭代規(guī)則交替更新。這種迭代方式收斂速度慢,用于特征提取的訓練時間較長,難以適應大規(guī)模數(shù)據(jù)的處理。在綜合研究各類非負矩陣分解算法的基礎上,并考慮人臉圖像在遮擋、噪聲情況下的識別特性,本文提出兩個基于2DNMF的改進算法：(1)針對傳統(tǒng)2DNMF的分解所用的乘性迭代公式,用基于矩陣形式的共軛梯度法結合交替迭代得到新的迭代格式,從而得到新的列基和行基；再對這兩個基,以一種加權和的方式進行類別索引,進行人臉識別。(2)通過在目標函數(shù)中引入基矩陣正交的約束條件,推導出新的迭代格式,以此替換傳統(tǒng)的乘性迭代,得到新的列基和行基；再對這兩者以加權和的方式進行類別索引,進行人臉識別。通過盡可能地考慮人臉圖像行列之間的結構信息,采用分別提取的辦法,使得人臉信息更加完善。實驗表明,改進算法在有遮擋的人臉圖像的身份識別中,得到了比較理想的識別效果。
[Abstract]:Face recognition is to identify the identity by analyzing the features of the face and comparing the feature information. The face recognition method based on subspace analysis is one of the methods for extracting the features of the face in recent years. However, in the process of extracting features and recognition, the appearance of negative values is not easy to explain or even have no physical meaning. People consider non negative matrix factorization algorithm based on subspace analysis (NMF). This algorithm by introducing non negative constraints, extract the local facial features, not only reflects the local integral thought, and no negative decomposition results, strong interpretability, clear physical meanings. However, the traditional NMF algorithm is based on gradient The idea of descending method is designed, which uses the multiplicative iterative rules alternately. This iterative method has a slow convergence speed, long training time for feature extraction and difficult to adapt to the processing of large-scale data. Based on the comprehensive study of various non negative matrix decomposition algorithms, the recognition characteristics of face images under occlusion and noise are considered. Two improved algorithms based on 2DNMF are proposed in this paper: (1) the multiplicative iterative formula used for the decomposition of traditional 2DNMF is presented, and a new iterative scheme is obtained by combining the conjugate gradient method based on matrix form and alternating iteration to obtain new column and row bases, and then the two bases are indexed in a weighted sum, and face the face. (2) a new iterative scheme is derived by introducing the orthogonal constraint conditions of the base matrix into the objective function to replace the traditional multiplicative iteration and get new column and row bases. Then, the two are indexed by weighted sum, and face recognition. By considering the structure letter between the ranks of the face images as much as possible. The experimental results show that the improved algorithm has an ideal recognition effect in the identity recognition of the covered face image.
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;O224

【相似文獻】

相關期刊論文 前10條

1 張友蘭;白素琴;;共軛梯度方法的應用[J];河北省科學院學報;1993年04期

2 韓松,李建國;直接自適應調節(jié)的共軛梯度方法[J];哈爾濱師范大學自然科學學報;1999年02期

3 朱志偉;一個新的共軛梯度類型方法[J];廣西師范學院學報(自然科學版);2004年02期

4 侍子云,徐大川;混合共軛梯度技巧[J];洛陽大學學報;1997年04期

5 張立衛(wèi);收斂共軛梯度方法參數(shù)β_k的條件(英文)[J];運籌學學報;1999年02期

6 張華軍;趙金;王瑞;馬坦;;基于非線性共軛梯度的同時擾動隨機逼近方法[J];華中科技大學學報(自然科學版);2009年01期

7 林濤,朱德通;有界變量約束優(yōu)化的仿射投影共軛梯度路徑內點方法[J];上海師范大學學報(自然科學版);2005年03期

8 劉金魁;;一種新的非線性共軛梯度方法及其收斂性(英文)[J];數(shù)學雜志;2013年06期

9 孫清瀅;求解非線性等式約束優(yōu)化問題的共軛梯度投影算法[J];工程數(shù)學學報;2004年02期

10 朱志偉;一種新的Goldstein線搜索下的共軛梯度方法[J];廣西民族學院學報(自然科學版);2004年01期

相關會議論文 前2條

1 谷同祥;劉興平;;預條件多搜索方向共軛梯度方法[A];中國工程物理研究院科技年報（2003）[C];2003年

2 畢競;袁偉;;線性約束共軛梯度常模算法的研究[A];中國電子學會第十六屆信息論學術年會論文集[C];2009年

相關博士學位論文 前3條

1 胡朝明;幾類譜共軛梯度方法理論及數(shù)值行為研究[D];中南大學;2012年

2 馬明娟;一類共軛梯度方法及其收斂性[D];吉林大學;2009年

3 張昆;改進的大地電磁場非線性共軛梯度三維反演及其并行計算研究[D];中國地質大學（北京）;2013年

相關碩士學位論文 前10條

1 劉亮;基于共軛梯度的2DNMF算法研究[D];大連海事大學;2016年

2 蒲小麗;共軛梯度分解算法及其應用[D];南京航空航天大學;2012年

3 顧迪;基于共軛梯度的隨機賦權神經網絡[D];河北大學;2015年

4 黃文姬;線性約束優(yōu)化的仿射內點共軛梯度路徑方法及其應用[D];上海師范大學;2010年

5 張楊;共軛梯度型方法的進一步研究與改進[D];重慶大學;2012年

6 王玨鈺;非線性（無）約束問題的共軛梯度路徑法[D];上海師范大學;2013年

7 張勇;有界變量約束非線性方程組的仿射共軛梯度路徑法[D];上海師范大學;2009年

8 姚勝偉;一個新的共軛梯度公式及其應用[D];廣西大學;2007年

9 鮑吉鋒;有界變量約束非線性優(yōu)化問題的仿射共軛梯度路徑法及其應用[D];上海師范大學;2008年

10 馬文亞;基于韋增欣等的共軛梯度參數(shù)的修正共軛梯度算法[D];重慶師范大學;2015年

，

本文編號：1914417