论文部分内容阅读
非负矩阵分解是一种流行的数据表示方法,已广泛应用于图像处理和模式识别等问题.但是非负矩阵分解忽略了数据的几何结构.而现有的基于简单图的学习方法只考虑了图像的成对信息,并且对计算相似度时的参数选择非常敏感.超图学习方法可以有效地解决这些问题.超图利用超边将多个顶点相连接用以表示图像的高维结构信息.然而,现有的大部分超图学习方法都是无判别的学习方法.为了提高识别效果,提出了基于具有判别信息的超图和非负矩阵分解方法的新模型,利用交替方向法进行迭代求解新模型,并结合最近邻方法进行人脸识别.在几个常用标准人脸