1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等
在人脸识别问题中，子空间方法是应用最为广泛的方法之一。子空间算法是把整个图像表示为矢量，基于某种最优准则，寻找一组基图像（矢量），将高维图像空间的原始图像矢量变换为低维特征空间的特征矢量，然后针对低维的特征矢量进行分类。子空间方法的目的在于寻找通过使用基图像来表示人脸。基于非负矩阵分解的特征提取的方法是一种子空间法。NMF方法的基本思想可以简单描述为：对于任意给定的一个非负矩阵A，NMF算法能够寻找到一个非负矩阵U和一个非负矩阵V，使得满足A=UV，从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。在图像处理中，图像像素的灰度值总是非负的，而正的线性组合也使得重构图像的像素灰度值是非负的，NMF方法的结果能直接表达一定的物理意义。基于非负矩阵分解理论的图像表示和图像识别方法，和PCA一样，NMF方法是通过基图像矢量的线性组合来表示一幅图像矢量，它是没有使用训练样本矢量类别信息。与PCA不同的是在NMF方法中基图像矢量的元素和线性组合的权系数全都为非负实数。在PCA的方法中，基(图像)是特征脸(即一幅完整扭曲的人脸图像)，而在NMF的方法中，基(图像)是人脸的局部特征(即相对应于人脸的部分器官特征)，也就是说NMF的基(图像)突出的是眼、眉毛、鼻子、嘴、耳朵、胡子等人脸部分器官，它们一起组成了数据库中的脸。本课题主要基于非负矩阵分解理论，提出一种新的维数压缩方法并应用于人脸识别。
作为一种无监督的方法，NMF并没有充分使用训练样本的类别信息，因此，它很可能丢失许多对分类有用的鉴别信息。为了尽可能的利用训练样本的类别信息，提出一种有监督的非负矩阵分解方法。这种新方法的主要思想是将训练样本矢量和它相对应的类别标签信息相结合，构造出含有类别标签的训练样本矢量并以此构建非负矩阵进行非负矩阵分解。
2. 参考文献（不低于12篇）
1.Y. Z. Li, J.Y. Yang An Effcient Feature Extraction Method Based on Kernel Maximum Margin CriterionProceedings of the 3rd International Conference on Impulsive Dynamic Systems and Applications, 2006, PP: 1254-1258 (SCI index)
2.Y. Z. Li, J.Y. Yang An Efficient Method of Nonlinear Feature Extraction Based on SVM IEEE Proceedings of the 9th International Conference on Control, Automation, Robotics and Vision, Singapore, 2006, PP:216-221 (EI index: 073110719302)
3.Y. Z. Li, J. Y. Yang A Novel Supervised Feature Extraction Method by KPCA and Its Application Proceedings of the 4th International Conference on Impulsive and Hybrid Dynamical Systems, 2007, PP:2650-2655
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
