增量非负矩阵分解相关论文
人脸识别,是一种利用使用者面部的特点实现身份认证的模式识别技术。又名肖像识别、脸部识别。大部分人脸识别系统由四个部分构成,......
高维度数据通常具有很强的不确定性,主要表现为数据的稀疏和不一致.稀疏就是所获取的数据有缺失,不一致就是数据中有重复或者描述......
在公共安全形势日益严峻的情形下,监控视频作为重要的安保手段之一被广泛应用。然而庞大的视频监控系统产生了海量视频数据,如何有......
复杂网络研究涉及社交网络、学术网络、万维网、蛋白质作用网络等很多领域中的抽象网络。社区结构挖掘是研究复杂系统的关键工具。......
随着合成孔径雷达（SAR）数据的快速增长,传统的目标识别方法由于不具备增量学习的能力,导致计算代价逐渐增加,从而越来越无法满足实时......
针对当前目标跟踪算法因光照变化、部分遮挡、姿态变化以及背景杂乱等因素引起的跟踪漂移问题,联合混合范数约束和增量非负矩阵分......
在当今信息化社会中,视频监控、视频检索、人机交互以及视频编解码等各种与视频相关的应用不断涌现出来,与这些应用相随的是海量的......
利用KL散度衡量增量非负矩阵分解效果,提高非负矩阵分解性能;施加行列式、稀疏性和相关性等约束条件,保证盲源信号分离的唯一性和......
增量非负矩阵分解(INMF)随目标样本增加逐渐更新分解模型,能够有效解决NMF算法的计算代价随样本增加而成倍增长的问题。然而INMF在......
