专利名称 ---【 基于低秩恢复的非负矩阵分解方法 】

基本信息
申请号
CN201610230629.4
申请日
20160414
公开(公告)号
CN105930308A
公开(公告)日
20160907
申请(专利权)人
中国科学院西安光学精密机械研究所
申请人地址
710119 陕西省西安市高新区新型工业园信息大道17号
发明人
李学龙;董永生;崔国盛; 专利类型 发明专利
摘要
本发明属于信息处理技术领域,具体涉及一种基于低秩恢复的非负矩阵分解方法,包括以下步骤:1】将原始数据库中的每个图像样本均转换为向量,构成m×n的原始数据矩阵X;m为图像样本的维数,n为图像样本的个数;2】对原始数据矩阵X进行低秩稀疏分解;2.1】设置低秩矩阵的秩为r,设置稀疏矩阵的稀疏度为k;2.2】采用双边随机投影算法求解原始数据矩阵X的秩为r的低秩矩阵L和稀疏度为k的稀疏矩阵S;3】对步骤2】中求解得到的低秩矩阵L进行非负矩阵分解,得到基矩阵W和编码矩阵H。本发明通过低秩稀疏分解得到数据低秩成分和稀疏成分,并对去除稀疏噪声部分的低秩成分进行非负分解,从而使得非负分解结果免受噪声的干扰。
主权项
一种基于低秩恢复的非负矩阵分解方法,其特征在于:包括以下步骤:1】将原始数据库中的每个图像样本均转换为向量,构成m×n的原始数据矩阵X;m为图像样本的维数,n为图像样本的个数;2】对原始数据矩阵X进行低秩稀疏分解;2.1】设置低秩矩阵的秩为r,设置稀疏矩阵的稀疏度为k;2.2】采用双边随机投影算法求解原始数据矩阵X的秩为r的低秩矩阵L和稀疏度为k的稀疏矩阵S;3】对步骤2】中求解得到的低秩矩阵L进行非负矩阵分解,得到基矩阵W和编码矩阵H。

 

IPC信息
IPC主分类号
G06F17/16

 

法律状态信息
法律状态公告日
20190115
法律状态
授权 法律状态信息
CN201610230629 20190115 授权 授权
法律状态公告日
20161005
法律状态
实质审查的生效 法律状态信息
CN201610230629 20161005 实质审查的生效 实质审查的生效IPC(主分类):G06F 17/16申请日:20160414
法律状态公告日
20160907
法律状态
公开 法律状态信息
CN201610230629 20160907 公开 公开

 

代理信息
代理机构名称
西安智邦专利商标代理有限公司 61211
代理人姓名
陈广民

 

被引专利信息
引用阶段 被引时间 专利号 申请人 公开时间
SEA null CN102306492A UNIV PLA SCIENCE & TECHNOLOGY 20120104
SEA null CN102855884A UNIV PLA SCIENCE & TECHNOLOGY 20130102
SEA null CN103226825A UNIV XIDIAN 20130731
SEA null CN103412960A UNIV XIDIAN 20131127
SEA null CN105266804A UNIV HANGZHOU DIANZI 20160127

 

被引非专利信息
引用阶段 被引时间 被引文档类型 被引文档信息
SEA null s YONGSHENG DONG等:Nonnegative multiresolution representation-based texture image classification,《ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY》
SEA null s ZHIFENG LI等:Aging face recognition:a hierarchical learning model based on local patterns selection,《IEEE TRANSACTIONS ON IMAGE PROCESSING》
SEA null s HAIFENG LIU等:Constrained nonmegative matrix factorization for image representation,《IEEE TRANSCATIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》
SEA null s 易姝娴:基于低秩分解的特征抽取与分类应用研究,《中国优秀硕士学位论文全文数据库信息科技辑》


| 联系我们 | 网站地图 | 版权声明 |

版权:中国科学院 主办:中国科学院科技促进发展局 承办:中国科学院成都文献情报中心 蜀ICP备05003827号-12

建议使用1024×768 分辨率 IE6.0以上版本浏览器