论文摘要
线性判别分析是一种应用广泛的降维技术,传统的线性判别分析算法是假设输入的数据呈高斯分布,但它并没有考虑数据从高维空间嵌入到低维空间中的局部流形结构,因此对于非高斯分布的数据,传统的线性判别分析算法往往不能取得较好的效果,像MRI,USPS数据集等。为了线性判别分析同样也适用于非高斯分布的数据,本文提出了一种改进的Linear Discriminant Analysis(LDA)算法。新的模型通过度量样本对之间的欧式距离来区分样本对之间的差异性,从而考虑了数据从高维空间嵌入低维子空间时的内部几何结构,因此使得新的模型不仅能够处理高斯分布的数据而且还能处理非高斯分布的多模态数据。最后本文通过大量的实验验证改进的算法在一定程度上解决了经典LDA所不能解决的非高斯数据的问题。
论文目录
文章来源
类型: 国际会议
作者: 陆荣秀,蔡莹杰,朱建勇,杨辉,聂飞平
关键词: 线性判别分析,降维,局部保持
来源: 第30届中国过程控制会议（CPCC 2019） 2019-07-31
年度: 2019
分类: 基础科学
专业: 数学
单位: 华东交通大学电气与自动化工程学院,江西省先进控制与优化重点实验室,西北工业大学光学影像分析与学习中心
分类号: O212.1
页码: 241
总页数: 1
文件大小: 139k
下载量: 110