论文研究基于分块非负矩阵分解人脸识别增量学习.pdf

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CMUPIE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。