优化NMF算法提升人脸识别效率：问题与改进策略

"本研究论文《☞NMF算法运算时间及识别率-基于NMF的人脸图像识别改进方法研究》主要探讨了非负矩阵分解(NMF)在人脸识别领域的应用及其优化。小组成员海玉梅、樊俊彬和郭甜共同参与了这项工作，其中郭甜作为答辩人负责阐述NMF的算法基础和其在人脸识别中的关键作用。 人脸识别作为一种热门的模式识别技术，尤其在职业认证、隐私保护等方面具有重要意义。然而，由于遮挡物的存在，如眼镜和口罩，可能会导致识别率下降。人脸识别的核心步骤包括图像获取、预处理、特征提取和分类。在这个背景下，NMF被引入，用于从高维的人脸图像数据中提取有用的特征。 传统NMF算法存在一些局限性，如将人脸图像向量化处理导致高维样本集，以及非正交基矩阵使得欧氏距离在非欧氏空间中失效。论文通过在ORL数据库上使用MATLAB进行了传统NMF的实现，并针对这些问题提出了改进措施，如正交化基矩阵处理。 研究者们还采用了小波变换作为预处理手段，通过小波分解将人脸图像分为不同的频率成分，分别保留低频、垂直边缘、水平边缘和对角线细节信息。这种结合可以提高图像处理的精确性和效率。通过对NMF算法运行时间和识别率的实验分析，论文旨在寻找优化参数和降低矩阵维数的方法，以提升人脸识别的性能。 总体来说，该研究不仅深入剖析了NMF在人脸识别中的应用，还针对其不足进行了创新性改进，展示了如何通过结合小波变换和NMF优化算法，以期在实际应用中提高识别的准确性和速度。"