基于双权重非负矩阵分解的人脸识别matlab code

资 源 简 介

基于双权重非负矩阵分解的人脸识别matlab code

详 情 说 明

双权重非负矩阵分解（DW-NMF）是一种改进的非负矩阵分解方法，它在传统NMF基础上引入了双权重机制，能更有效地提取人脸特征并提高识别准确率。

算法核心思想： 权重设计：通过构造局部权重矩阵和全局权重矩阵，分别捕捉人脸图像的局部细节特征和全局结构特征。局部权重通常基于像素邻域关系构建，全局权重则反映不同样本间的相似性。

双约束分解：在分解过程中同时保留非负性约束和权重约束，使得基矩阵能更好地表示人脸特征子空间，系数矩阵则编码样本在这些特征上的分布。

识别流程：首先对训练集人脸图像进行DW-NMF分解得到特征基矩阵，然后通过投影将测试图像表示为特征系数的组合，最后使用最近邻分类器完成识别。

技术优势： 双权重机制能抑制噪声干扰并增强判别性特征 相比传统NMF更适合处理光照、表情变化等复杂场景 特征维度可灵活控制，平衡识别精度和计算效率

该方法在ORL、Yale等标准人脸库上通常能达到90%以上的识别率，且对部分遮挡具有鲁棒性。实际实现时需要注意权重参数的优化选择，以及迭代收敛条件的设定。