• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2017 International Conference on Security, Pattern Analysis, and Cybernetics >Adjacent graph-based block kernel nonnegative matrix factorization
【24h】

Adjacent graph-based block kernel nonnegative matrix factorization

机译：基于相邻图的块核非负矩阵分解

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Using block technique and graph theory, we present a variant of nonnegative matrix factorization (NMF) with high performance for face recognition. We establish a novel objective function in kernel space by the class label information and local scatter information. The class label information is implied in the block decomposition technique and intra-class covariance matrix, while the local scatter information is determined by the adjacent graph matrix. We theoretically construct an auxiliary function related to the objective function and then derive the iterative formulae of our method by solving the stable point of the auxiliary function. The property of auxiliary function shows that our algorithm is convergent. Finally, empirical results show that our method is effective.
机译：使用块技术和图论，我们提出了一种非负矩阵分解（NMF）的变体，具有高性能的人脸识别功能。我们通过类标签信息和局部散布信息在内核空间中建立了一个新颖的目标函数。分类标签信息隐含在块分解技术和类别内协方差矩阵中，而局部散布信息则由相邻图矩阵确定。从理论上讲，我们构造了与目标函数有关的辅助函数，然后通过求解辅助函数的稳定点来推导本方法的迭代公式。辅助函数的性质表明我们的算法是收敛的。最后，经验结果表明我们的方法是有效的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号