增量式鉴别非负矩阵分解算法及其在人脸识别中的应用

摘要

针对在线学习的人脸识别效率问题，提出了一种增量式鉴别非负矩阵分解算法。在以往无监督学习模式下的增量式非负矩阵分解算法基础上，利用初始训练样本数据和新增训练样本的类别信息，将同类别训练样本对应的系数向量均值作为初始迭代值，并在类内欧氏距离最小的约束下建立目标泛函，从而获得更具鉴别性的特征并使优化求解时所需迭代次数明显减少。通过在ORL和PIE人脸数据库上的实验验证了该算法收敛速度快、分类精度高，且较批量式算法有更高的效率优势。