非負矩陣分解是一種理想的數據降維方法,它要求因子矩陣的元素必須是非負的,即所有元素必須等于或大于零。這種非負約束導致NMF是一個基于部分的表示,符合人腦局部構成整體的認知過程。因而,對圖像處理,分類和聚類來講是一種有用的學習技術。本文經過對已有NMF方法的深入研究,提出了兩種新特性的NMF方法,并應用于視頻人體行為識別的研究中。(1)提出了一種秩正則化和局部加權約束的非負矩陣分解NMF_RRLWC方法。該方法構造了局部加權約束項和秩正則化項兩個約束項,并將其應用于運動軌跡聚類中。局部加權約束項依據原始數據樣本與聚類中心間的距離相似性構造了一個加權算子。秩正則化約束保證了分解結果具有一定的稀疏性,同時又不因過于嚴格的稀疏而影響數據的流形結構。實驗結果表明這兩個約束項的添加可以得到較好的聚類效果。文中給出了該方法的更新規(guī)則和收斂性證明。在聚類實驗中,NMF_RRLWC能很好地擬合出運動主體所在的區(qū)域,從而保證可將位于背景中的軌跡剔除。(2)提出了一種時間平滑和秩正則化約束的非負矩陣分解TSRRC_NMF方法用于時間子空間聚類,即視...

【文章頁數】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
    1.3 論文主要工作及章節(jié)安排
第二章 非負矩陣分解與行為識別基本理論
    2.1 引言
    2.2 非負矩陣分解方法
        2.2.1 問題描述
        2.2.2 目標函數
        2.2.3 迭代更新規(guī)則
    2.3 各種非負矩陣分解改進方法
    2.4 行為識別相關理論
        2.4.1 視頻行為表示方法
        2.4.2 行為識別的相關數據庫介紹
    2.5 本章小結
第三章 秩正則化和局部加權約束非負矩陣分解方法
    3.1 引言
    3.2 本文秩正則化和局部加權約束非負矩陣分解
        3.2.1 數學模型
        3.2.2 求解方法和更新規(guī)則
        3.2.3 收斂性證明
    3.3 獲取視頻中的運動顯著性區(qū)域
    3.4 實驗與分析
        3.4.1 秩正則化和局部加權約束非負矩陣分解方法的收斂性
        3.4.2 聚類結果對比實驗
    3.5 本章小結
第四章 復雜行為識別
    4.1 引言
    4.2 時間平滑和秩正則化約束的非負矩陣分解用于時間子空間聚類
        4.2.1 數學模型
        4.2.2 迭代規(guī)則
        4.2.3 收斂性證明
    4.3 視頻行為分割
    4.4 實驗與分析
        4.4.1 時間平滑和秩正則化約束的非負矩陣分解方法的收斂性
        4.4.2 參數選擇
        4.4.3 視頻行為分割
        4.4.4 復雜行為識別
    4.5 本章小結
第五章 總結與展望
    5.1 全文總結
    5.2 研究展望
參考文獻
致謝
作者簡介



本文編號：3830241