论文部分内容阅读
针对非负矩阵分解(NMF)具有一定的稀疏性,但不足以进行有效的分类的问题,为了获得特征提取过程中缺失的高维数据结构信息和隐藏信息,提高非负矩阵分解的低秩性与稀疏性,提出一种基于隐式低秩表示的非负矩阵分解模型(NLatMF)。该模型将隐式低秩算法提取的原始数据非负的低秩部分和隐式部分应用于非负矩阵分解,更有效地解决了分类问题。将该模型用于图像分类,通过在Yaleface等人脸数据库上仿真,结果表明:新模型有效提高了识别率。