论文部分内容阅读
针对图像识别中数据的内在几何结构被忽视和数据存在冗余的问题,提出一种改进的图正则非负矩阵分解(New-GNMF)算法。首先,将非负矩阵分解(NMF)与图谱理论相结合,基于局部地提取图像数据的主要特征,找到一种紧凑的数据表达方式,满足从高维环境空间嵌入的低维流形进行采样的数据,有效揭示隐藏的语义,又尊重数据内在的几何结构。同时,对分解后的基矩阵设置阈值,通过阈值判断进行优化处理,过滤冗余数据,减少干扰。然后,给出改进的GNMF的目标函数和迭代公式的推导过程。最后,在PIE-Pose05,YaleB,C