연구진이 색상 이미지 인식 성능을 높이기 위해 그래프 정규화 비음수 축소 양이수 변환(GNRBMF) 모델을 제안했어요. GNRBMF는 이미지 데이터의 지역적 기하 구조를 활용하여 학습된 저차원 특징의 판별력을 높여요.
기존 NRBMF 모델은 재구성 정확도에 집중했지만, GNRBMF는 그래프 라플라시안 정규화 항을 추가하여 원본 공간에서 가까운 샘플들이 학습된 특징 공간에서도 유사한 표현을 갖도록 유도해요.
실험 결과, GNRBMF 모델은 일부 테스트 환경에서 경쟁력 있는 또는 더 뛰어난 인식 성능을 달성했어요.