基于低秩表示的非负张量分解算法.pdfVIP

第33卷第 1期 计 算 机 应 用 研 究 VoI．33No．1 2016年 1月 ApplicationResearchofComputers Jan．2016 基于低秩表示的非负张量分解算法 刘亚楠 ，刘路路 ，罗 ‘斌 (1．合肥师范学院计算机学院，合肥 230601；2．安徽大学计算机科学与技术学院，合肥 230039) 摘 要：为了提高图像分类准确率，提出了一种基于低秩表示的非负张量分解算法。作为压缩感知理论的推广 和发展，低秩表示将矩阵的秩作为一种稀疏测度，由于矩阵的秩反映了矩阵的固有特性，所以低秩表示能有效地 分析和处理矩阵数据，把低秩表示引入到张量模型中，即引入到非负张量分解算法中，进一步扩展非负张量分解 算法。实验结果表明，所提算法与其他相关算法相比，分类结果较好。 关键词 ：图像分类；低秩表示；非负；张量分解 中图分类号 ：TP391．4；TP301．6 文献标志码 ：A 文章编号：1001—3695(2016)01—0300—04 doi：10．3969／j．issn．1001—3695．2016．O1．069 Non—negativetensorfactorizationalgorithm basedonlow rankrepresentation LiuYa’nan ，LiuLulu ，LuoBin (1．SchoolofComputer，HefeiNormalCollege，Hefei230601，China；2．Schoolof ComputerScience＆Technology，AnhuiUniversity，Hefei 230039，China) Abstract：Thispaperproposedanon—negativetensordecompositionalgorithm basedonlow—rankrepresentationtoimprovethe accuracyofimageclassification．Astheextensionandthedevelopmentofcompressedsensingtheory，thelow—rankrepresenta· tiondenotedthattherankofthematrixcouldbeusedasameasurementofsparsity．Sincetherankofamatrixreflectedthein— herentpropertyofthematrix，thelow—rankanalysiscouldeffectivelyanalyzeandprocessthematrixdata．Thispaperintro— ducedthelow—rankrepresentationintotensormodel，namelytointroduceitintonon—negativetensordecompositionalgorithm andtofurtherexpandthenon—negativetensordecompositionalgorithm．Experimentalresultsshowthattheclassificationaccu— racyofthealgorithmsproposedinthispaperisbettercomparedtootherexistingalgorithms． Keywords：imageclassification；low rankrepresentation；non—negative；tensordecomposition 非负矩阵分解 (NMF)使分解后的所有分量均为非负值， basednon—negativetensorfactorization，LNTF)，进一步改进非负 同时可以实现非线性的维数约减。然而在很多情况下，需要处 张量分解模型。 理的数据是高于二维 即为多维 (张量)数据，如果在图像