基于分块非负矩阵分解人脸识别增量学习

摘要

非负矩阵分解(NMF)算法可以提取图像的局部特征,然而NMF算法有两个主要缺点:a)当矩阵维数较大时,NMF算法非常耗时;b)当增加新的训练样本或类别时,NMF算法必须进行重复学习.为克服NMF算法这些缺点,提出了一种新的分块NMF算法(BNMF).特别地,该方法还可用于增量学习.通过在FERET和CMU PIE人脸数据库上进行实验,结果表明该算法均优于NMF和PCA算法.