人脸识别是计算机视觉领域的一个长时间的热点问题，已经有很多的学者对该问题提出了各种各样的解决方法，但由于人脸识别所存在光照、角度、遮挡等问题仍未解决，因此，人脸识别领域仍然是现如今计算机视觉领域的重点及难点。本文通过对非负矩阵分解算法进行改进，通过与现如今在人脸识别算法中较为流行、效果较好的技术相融合，提出新的改进算法，从而进一步提高算法在人脸识别上的识别率。本文的主要内容如下：1.总结并介绍非负矩阵分解算法以及基于该算法的改进算法在人脸识别领域的现状，并简单介绍基于非负矩阵分解算法的人脸识别过程的基本流程。2.将判别思想引入非负矩阵分解算法中，并通过引入一种步长自适应的梯度下降算法来完成算法在迭代过程中对分解结果的非负限制。在完成上述算法后，本文将子判别思想引入到非负矩阵分解算法中，从而对所提出的算法进行进一步的改进。3.对基于流形的非负矩阵分解算法中权值图的构建方法进行改进，从而使权值图中包含更准确的样本间邻接关系信息，提高算法的识别精度。4.通过将流形思想引入投影非负矩阵分解算法，提出了一种基于图的投影非负矩阵分解算法，并对所提出的算法的收敛性进行了证明。5.通过将图调控非负矩阵分解算法引入增量学习中，提出了一种增量图调控非负矩阵分解算法。