论文部分内容阅读
提出了一种非负矩阵分解(non-negative matrix factorization,NMF)和邻接谱相结合的图像分类方法.该方法首先利用图像中的特征点构造邻接矩阵,然后使用邻接谱作为非负矩阵分解迭代规则的初始值,并将经过非负矩阵分解得到的基向量作为图像的分类样本,最后采用概率神经网络(probabilistic neural network,PNN)分类器对图像进行分类.模拟实验和真实实验的比较表明,该方法是可行和有效的,并且进一步提高了图像分类的准确率和稳定性.