| 类依赖的线性判别分析 |
| |
| 引用本文： | 陈晓红,陈松灿. 类依赖的线性判别分析[J]. 小型微型计算机系统, 2008, 29(5): 894-897 |
| |
| 作者姓名： | 陈晓红 陈松灿 |
| |
| 作者单位： | 1. 南京航空航天大学,理学院,江苏,南京,210016;南京航空航天大学,信息科学与技术学院,江苏,南京,210016
2. 南京航空航天大学,信息科学与技术学院,江苏,南京,210016 |
| |
| 摘 要： | 线性判别分析(LDA)是一种常用的特征提取方法,其目标是提取特征后样本的类间离散度和类内离散度的比值最大,即各类样本在特征空间中有最佳的可分离性.该方法利用同一个准则将所有类的样本投影到同一个特征空间中,忽略了各类样本分布特征的差异.本文提出类依赖的线性判别方法(Class-Specific LDA,CSLDA),对每一类样本寻找最优的投影矩阵,使得投影后能够更好地把该类样本与所有其他类的样本尽可能分开,并将该方法与经验核相结合,得到经验核空间中类依赖的线性判别分析.在人工数据集和UCI数据集上的实验结果表明,在输入空间和经验核空间里均有CSLDA特征提取后的识别率高于LDA.
|
| 关 键 词： | 线性判别分析 类依赖 特征提取 经验核映射 经验特征空间 线性判别分析 识别率 输入空间 结果 实验 人工数据集 核空间 结合 核相 投影矩阵 最优 线性判别方法 差异 分布特征 准则 利用 可分离性 最佳 特征空间 比值 |
| 文章编号： | 1000-1220(2008)05-0894-04 |
| 修稿时间： | 2006-12-27 |
Class-specific Linear Discriminant Analysis |
| |
| CHEN Xiao-hong,CHEN Song-can. Class-specific Linear Discriminant Analysis[J]. Mini-micro Systems, 2008, 29(5): 894-897 |
| |
| Authors: | CHEN Xiao-hong CHEN Song-can |
| |
| Affiliation: | CHEN Xiao-hong1,2,CHEN Song-can21(College of Science,Nanjing University of Aeronautics & Astronautics,Nanjing 210016,China) 2(College of Information Science & Technology,China) |
| |
| Abstract: | Linear discriminant analysis(LDA) has been successfully used as a feature extraction method.LDA aims to project the samples onto a feature space,where the ratio of the between-class scatter to the within-class scatter of the projected samples is maximized so the projected samples are well separated.However,this method projects all the samples to the same feature space with the same criteria and the difference between the distributions of the data of different classes is ignored.In this paper a new class-spe... |
| |
| Keywords: | linear discriminant analysis class-specific feature extraction empirical kernel mapping empirical feature space |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
