基于鲁棒非负矩阵分解的增量式学习研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：针对随着新增样本增多鲁棒非负矩阵分解的运算规模不断增大的现象，提出一种鲁棒非负矩阵分解的增量式学习算法。该算法对初始和新增样本采用L2，1范数来度量，首先对初始样本进行鲁棒非负矩阵分解；然后利用其分解结果参与后续迭代运算。通过对ORL和YALE人脸数据库进行实验得出，与鲁棒非负矩阵分解算法、稀疏限制的非负矩阵分解算法结果进行对比，该算法的目标函数值在求解时最先达到平衡，得到最佳收敛效果节省运算时间。（剩余4288字）

试读结束

目录
monitor