基于Fisher判别分析的增量式非负矩阵分解算法

蔡竞1 王万良1 郑建炜1 罗志坚3 申思2

1.浙江工业大学计算机科学与技术学院；2.浙江警察学院刑事科学技术系；3.浙江大学计算机科学与技术学院

增量式非负矩阵分解算法是基于子空间降维技术的无监督增量学习方法.文中将Fisher判别分析思想引入增量式非负矩阵分解中,提出基于Fisher判别分析的增量式非负矩阵分解算法.首先,利用初始样本训练的先验信息,通过索引矩阵对新增系数矩阵进行初始化赋值.然后,将增量式非负矩阵分解算法的目标函数改进为批量式的增量学习算法,在此基础上施加类间散度最大和类内散度最小的约束.最后,采用乘性迭代的方法计算分解后的因子矩阵.在ORL、Yale B和PIE等3个不同规模人脸数据库上的实验验证文中算法的有效性.

子空间降维；有监督学习；Fisher判别分析；非负矩阵分解；增量学习

人工智能研究

3078-9753

201811

工程技术