图嵌入投影非负矩阵分解图像特征提取方法-论文.pdf

《图嵌入投影非负矩阵分解图像特征提取方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第4l卷第8期计算机科学V01．41No．82014年8月ComputerScienceAug2014图嵌入投影非负矩阵分解图像特征提取方法王娟杜海顺侯彦东金勇(河南大学图像处理与模式识别研究所开封475004)摘要针对投影非负矩阵分解(PNMF)不能揭示数据流形几何结构和判别信息的问题，提出了一种图嵌入投影非负矩阵分解(GEPNMF)特征提取方法。首先分别构建了描述数据流形几何结构和类间分离度的近邻图，然后采用它们的拉普拉斯矩阵设计了一个图嵌入正则项，并将其与PNMF的目标函数融合，以构造GEPNMF的目标函数。在GEPNMF目标函数中引入了图嵌入正则项，使求得的子空间能够在保持数据流形几

2、何结构的同时，类间间距也最大。另外，还在目标函数中引入了一个正交正则项，以确保GEPNMF子空间基向量具有数据局部表示能力。对求解GEPNMF目标函数的累乘更新规则(MUR)进行了详细的推导。在Yale和CMUPIE人脸数据库上的实验结果表明，提出的图嵌入投影非负矩阵分解特征提取方法比PNMF更适用于解决分类问题。关键词人脸识别，特征提取，图嵌入，非负矩阵分解中图法分类号TP391．4文献标识码ADOI10．11896／j．issn．1002—137X2014．08．066GraphEmbeddingProjectiveNon-negativeMatrixFactorizationMetho

3、dforImageFeatureExtractionWANGJuanDUHai-shunHoUYan-dongJINYong(InstituteofImageProcessingandPatternRecognition，HenanUniversity，Kaifeng475004，China)AbstractToovercomethedisadvantagethatprojectivenon-negativematrixfactorization(PNMF)failstodiscovertheintrinsicgeometricalanddiscriminatingstructure，ano

4、velgraphembeddingprojectivenon-negativematrixfactorization(GEPNMF)wasproposedforimagefeatureextraction．Thepaperconstructedtwoadjacentgraphsthatareseparatelyusedtocharacterizetheintrinsicgeometricalstructureofdataandinterclassseparability．UsingtheLaplacianmatricesoftheadjacentgraphs，thepaperdesigned

5、agraphembeddingregularizationthatincorporateswithPNMF’SobjectivefunctiontoconstructtheGEPNMF’Sobjectivefunction．Sincethegraphembeddingregularizationisadoptedbytheob—jectivefunction，thelearnedsubspaeeofGEPNMFcanpreservethedatageometricalstructurewhileitmaximizesthemarginsbetweendifferentclasses．That

6、istosay，ithasmorediseriminability．Inaddition，thepaperintroducedanor—thogonalregularizationintotheobjectivefunctiontoensurethelearnedbasestobeparts-based．Thepaperdeducedamultiplicativeupdaterule(MUR)tooptimizetheobjectivefunction．TheexperimentalresultsonYaleandCMUPIEfaceimagedatasetssuggesttheeffect

7、ivenessofGEPNMF．KeywordsFacerecognition，Featureextraction，Graphembedding，Non-negativematrixfactorization出了局部非负分解(LNMF)方法；文献[-4-]将稀疏性约束融1引言合到NMF的目标函数中，提出了非负稀疏编码(NSC)方法。近年来，非负矩阵分解(NMF)[1]在图像处理、模式识别NMF虽然具有一定的数