...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Multimedia Tools and Applications >An improve face representation and recognition method based on graph regularized non-negative matrix factorization
【24h】

An improve face representation and recognition method based on graph regularized non-negative matrix factorization

机译：基于曲线图的完善面部表示与识别方法，非负负矩阵分解

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

Based on recently proposed Non-negative Matrix Factorization (NMF) and Graph Embedded (GE) techniques with Discriminant Criterion (DC), we present in this paper a new algorithm of Face Representation and Recognition (FRR) called Discriminant Graph Regularized Non-negative Matrix Factorization (DGNMF) for dimensionality reduction (DR). Here, we firstly encode the geometrical class information by constructing an affinity graph using the DGNMF algorithm. After this, we determine a matrix factorization which adequately represents the graph structure. Finally, we conduct experiments to prove that DGNMF provides a better representation and achieves higher face recognition rates than previous approaches.
机译：基于最近提出的非负数矩阵分解（NMF）和图形嵌入（GE）技术，具有判别标准（DC），我们在本文中存在一种新的面部表示和识别（FRR）的新算法称为判别曲线规则的非负数矩阵定期减少的因子（DGNMF）（DR）。在这里，我们首先通过使用DGNMF算法构建亲和性图来编码几何类信息。在此之后，我们确定充分表示图形结构的矩阵分解。最后，我们进行实验以证明DGNMF提供更好的代表性，并且比以前的方法更好地实现更高的面部识别率。

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