稀疏非负矩阵分解研究及其在手机图像中的应用

《稀疏非负矩阵分解研究及其在手机图像中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：____________TP301.6密级：______________公开ＵＤＣ：____________单位代码：______________11646稀疏非负矩阵分解研究及其硕士专业学位论文在手机图像中的论文题目：稀疏非负矩阵分解研究及其在手机图像中的应用应用吴1111082128学号：_________________________月姓名：_________________________吴月工程硕士专业学位类别：________________________专业学位领域：___________

2、_____________计算机技术学院：_________________________信息科学与工程学院宁指导教师：_________________________叶庆卫波大学论文提交日期：2014年06月13日万方数据TP301.6内部分类号：____________密级：______________ＵＤＣ：____________单位代码：______________11646硕士专业学位论文论文题目：稀疏非负矩阵分解研究及其在手机图像中的应用学号：_________________________11

3、11082128姓名：_________________________吴月专业学位类别：________________________工程硕士专业名称：________________计算机技术_________信息科学与工程学院学院：_________________________指导教师：_________________________叶庆卫论文提交日期：2014年06月13日万方数据AThesisSubmittedtoNingboUniversityfortheMaster’sDegreeSparse

4、Non-negativeMatrixFactorizationanditsApplicationonMobilePhoneImagesCandidate：WuYueSupervisors：(Associate)ProfessorYeQingweiFacultyofInformationScienceandEngineeringNingboUniversityNingbo315211，ZhejiangP.R.CHINADateJune13,2014万方数据独创性声明本人郑重声明：所呈交的论文是我个人在导师指导下进行的

5、研究工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得宁波大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。签名：___________日期：____________关于论文使用授权的声明本人完全了解宁波大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可

6、以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵循此规定）签名：___________导师签名：___________日期：____________万方数据宁波大学硕士学位论文稀疏非负矩阵分解研究及其在手机图像中的应用摘要实际生活中，各种图像所包含的信息十分丰富，批量图像所包含的数据更是巨大，处理起来十分不便，故需进行特征提取以达到数据降维。降维是以数据映射迭代换取存储空间，不同的约束规则和不同的分解策略对应不同的结果。怎样根据现实图像数据的特征对其进行最有效的降维是研究的重点。非负矩阵分解算法（N

7、on-negativeMatrixFactorization，NMF）是一种新近提出的数据降维方法，在一些实际问题中得到了广泛的应用。稀疏非负矩阵分解算法是在NMF的基础上增加了稀疏约束，使分解得到的分量具有稀疏性特征，可视作在NMF算法基础上的进一步降维。将稀疏非负矩阵分解算法运用于图像的特征提取及分类识别，依据识别精度和速度来评价算法优劣。由于算法本身一定程度上实现了对维数的约减，加上稀疏约束之后，从物理上进一步舍去了数据的某些潜在特征，故而如何保证精度是本文研究的出发点。针对于此，本文主要从提高算法鲁棒性的角

8、度，研究稀疏非负矩阵分解算法，提高算法的抗噪能力，并应用于手机图像，提高手机图像分类识别的精度。首先，实现算法理论上的改进。在原本的稀疏非负分解算法目标函数基础上引入噪声项，提出新的稀疏优化目标函数，推导给出新目标函数的优化求解迭代表达式，使得提取出来的特征能够在保持稀疏性的同时有噪声抵抗能力。该算法可以处理图像中有异常值点的情况，即不受噪声形式的限制。其次