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

【摘要】：人臉識(shí)別是通過(guò)分析人臉特征,比對(duì)特征信息來(lái)識(shí)別身份�；谧涌臻g分析的人臉識(shí)別方法,是近年來(lái)研究者非常關(guān)注的提取人臉特征的方法之一。但在提取特征和識(shí)別判斷的過(guò)程中,負(fù)值的出現(xiàn)是不易解釋甚至沒(méi)有物理意義的。因此,人們轉(zhuǎn)而考慮基于子空間分析下的非負(fù)矩陣分解算法(NMF)。該算法通過(guò)引入非負(fù)約束,提取出人臉局部的特征,不僅體現(xiàn)了局部構(gòu)成整體的思想,而且分解結(jié)果沒(méi)有負(fù)值,可解釋性強(qiáng),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(lái)設(shè)計(jì)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(xùn)練時(shí)間較長(zhǎng),難以適應(yīng)大規(guī)模數(shù)據(jù)的處理。在綜合研究各類(lèi)非負(fù)矩陣分解算法的基礎(chǔ)上,并考慮人臉圖像在遮擋、噪聲情況下的識(shí)別特性,本文提出兩個(gè)基于2DNMF的改進(jìn)算法：(1)針對(duì)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(jié)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(duì)這兩個(gè)基,以一種加權(quán)和的方式進(jìn)行類(lèi)別索引,進(jìn)行人臉識(shí)別。(2)通過(guò)在目標(biāo)函數(shù)中引入基矩陣正交的約束條件,推導(dǎo)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(duì)這兩者以加權(quán)和的方式進(jìn)行類(lèi)別索引,進(jìn)行人臉識(shí)別。通過(guò)盡可能地考慮人臉圖像行列之間的結(jié)構(gòu)信息,采用分別提取的辦法,使得人臉信息更加完善。實(shí)驗(yàn)表明,改進(jìn)算法在有遮擋的人臉圖像的身份識(shí)別中,得到了比較理想的識(shí)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(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;O224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張友蘭;白素琴;;共軛梯度方法的應(yīng)用[J];河北省科學(xué)院學(xué)報(bào);1993年04期

2 韓松,李建國(guó);直接自適應(yīng)調(diào)節(jié)的共軛梯度方法[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);1999年02期

3 朱志偉;一個(gè)新的共軛梯度類(lèi)型方法[J];廣西師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2004年02期

4 侍子云,徐大川;混合共軛梯度技巧[J];洛陽(yáng)大學(xué)學(xué)報(bào);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(yùn)籌學(xué)學(xué)報(bào);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(shí)擾動(dòng)隨機(jī)逼近方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)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(nèi)點(diǎn)方法[J];上海師范大學(xué)學(xué)報(bào)(自然科學(xué)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(xué)雜志;2013年06期

9 孫清瀅;求解非線性等式約束優(yōu)化問(wèn)題的共軛梯度投影算法[J];工程數(shù)學(xué)學(xué)報(bào);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(xué)院學(xué)報(bào)(自然科學(xué)版);2004年01期

相關(guān)會(huì)議論文 前2條

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

2 畢競(jìng);袁偉;;線性約束共軛梯度常模算法的研究[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前3條

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

2 馬明娟;一類(lèi)共軛梯度方法及其收斂性[D];吉林大學(xué);2009年

3 張昆;改進(jìn)的大地電磁場(chǎng)非線性共軛梯度三維反演及其并行計(jì)算研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2013年

相關(guān)碩士學(xué)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(xué);2016年

2 蒲小麗;共軛梯度分解算法及其應(yīng)用[D];南京航空航天大學(xué);2012年

3 顧迪;基于共軛梯度的隨機(jī)賦權(quán)神經(jīng)網(wǎng)絡(luò)[D];河北大學(xué);2015年

4 黃文姬;線性約束優(yōu)化的仿射內(nèi)點(diǎn)共軛梯度路徑方法及其應(yīng)用[D];上海師范大學(xué);2010年

5 張楊;共軛梯度型方法的進(jìn)一步研究與改進(jìn)[D];重慶大學(xué);2012年

6 王玨鈺;非線性（無(wú)）約束問(wèn)題的共軛梯度路徑法[D];上海師范大學(xué);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(xué);2009年

8 姚勝偉;一個(gè)新的共軛梯度公式及其應(yīng)用[D];廣西大學(xué);2007年

9 鮑吉鋒;有界變量約束非線性?xún)?yōu)化問(wèn)題的仿射共軛梯度路徑法及其應(yīng)用[D];上海師范大學(xué);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(xué);2015年

，

本文編號(hào)：1914417