1、非負矩陣分解算法(Non-negativeMatrixFactorization，簡稱NMF)是目前國際上提出的一種新的矩陣分解方法。與其他矩陣分解方法相比，NMF特殊之處在于其對于矩陣分解過程的非負限制，這限制會得到原始數(shù)據(jù)基于部分的表示，從而能更好的反映原始數(shù)據(jù)的局部特征。 人臉表情識別技術(shù)是生物特征識別、情感計算、心理學、機器視覺等領(lǐng)域的一個極富挑戰(zhàn)性的交叉課題，也是近年來國內(nèi)外的一個研究熱點。本論文首次將非負矩陣分解算法

2、運用到人臉表情識別中，并從理論與實驗上進行全面論證。采用非負矩陣分解提取在人臉表情特征，克服了其他分解方法在特征空間上投影得到的投影系數(shù)可能出現(xiàn)正負相互抵消的情況。無論是基圖像，系數(shù)以及重建圖像，都能保證是非負的。非負矩陣分解真正體現(xiàn)了由局部構(gòu)成整體的概念。NMF提取的特征，可以更好的表示一張人臉表情。最后，NMF提取的表情特征通過最近鄰法分類，完成人臉的表情識別。 本論文采用的NMF的方法，并與主成分分析(PCA)方法作比較，