当前位置:科学网首页 > 基金首页 > 非负矩阵集分解研究

国家自然科学基金项目查询

非负矩阵集分解研究

批准号60872084 学科分类图像分析 ( F011602 )
项目负责人章毓晋 负责人职称教授 依托单位清华大学
资助金额30.00
万元
项目类别面上项目 研究期限2009 年 01 月 01 日 至
2011 年 12 月 31 日
中文主题词非负矩阵分解;非负矩阵集分解;图像工程;数据描述;特征提取
英文主题词

摘要

中文摘要 非负矩阵分解(NMF)于1999年由Lee等在《Nature》上提出,它是一种有效的数据描述和特征提取方法。用NMF处理矩阵集(如:一组图像)时,要对矩阵逐一矢量化,这常会导致NMF结果的描述能力不强、推广性差。为避免这两个问题且保留NMF的好特性,本项目研究和构造直接处理矩阵集的非负分解方法- - 非负矩阵集分解(NMSF),建立和分析NMSF的数学模型,设计和解释NMSF的优化模型。在NMSF框架下,还将定义基于基本模型的NMSF和基于改进模型的NMSF(包括:稀疏性增强的NMSF、加权NMSF和鉴别性NMSF)两大类方法,为每个NMSF方法构造一个快速有效的算法。为检验所构造NMSF方法的性能,拟将它们用于图象工程的若干领域(如:图象描述、人脸检测与识别、人脸表情识别、图象检索以及图象分类等)的研究中。目前初步的实验结果已证实NMSF较NMF的优越性。
英文摘要
结题摘要 非负矩阵分解(NMF)于1999年由Lee等在《Nature》上提出,它是一种有效的数据描述和特征提取方法。用NMF处理矩阵集(如:一组图像)时,要对矩阵逐一矢量化,这常会导致NMF结果的描述能力不强、推广性差。为避免这两个问题且保留NMF的好特性,本项目构造直接处理矩阵集的非负分解方法- - 非负矩阵集分解(NMSF),分析NMSF的数学模型,设计和解释NMSF的优化模型。在NMSF框架下,定义基于基本模型的NMSF和基于改进模型的NMSF(包括:稀疏性增强的NMSF、加权NMSF和鉴别性NMSF)两大类方法,为每个NMSF方法构造一个快速有效的算法。为检验所构造NMSF方法的性能,还将它们用于图象工程的若干领域(如:图象描述、人脸检测与识别、人脸表情识别、图象检索以及图象分类等)的研究中,并取得了预期的效果。

成果

序号 标题 类型 作者
1 Pedestrian Detection Using Real Adaboost and Decision Tree 期刊 Zhang Y-J|Jia H X|
2 Evaluation of SENSC Algorithm for Image Clustering 会议 Qin Yinfeng|Li Le|Zhang Yu-Jin|
3 Effective Discriminant Feature Extraction Framework for Face Recognition 会议 Yan Y|Zhang Y-J|
4 A Parallel Impulse-noise Detection Algorithm Based on Ensemble Learning for Switching Median Filters 会议 Zhang Y-J|Duan F|
5 A Novel System for Video Retrieval of Frontal-View Indoor Moving Pedestrians 会议 Zhang Yu-Jin|Li Shuo|

关于我们| 网站声明| 服务条款| 联系方式| RSS| 中国科学报社 京ICP备14006957 京公网安备110402500057号
Copyright @ 2007- 中国科学报社 All Rights Reserved
地址:北京市海淀区中关村南一条乙三号   电话:010-62580783