文档介绍：维普资讯
小型微型计算机系统年月第期
.∞
类依赖的线性判别分析
陈晓红。,陈松灿。
南京航空航天大学理学院。江苏南京
南京航空航天大学信息科学与技术学院。江苏南京
—: ..
摘要:线性判别分析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,
,忽略了各类样
—,,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辕的线性
,在输入空问和经验核空间里均有特征提取后的识别率高于
.
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
中图分类号:. 文献标识码: 文章编号:———

—。—
‘,,,,,
。,。
:.
,———
.。锄/
.
,
,.
—.
—
.
: —;;;
引言在语音识别、人脸识别及多媒体信息检索阻‘等颁域得
,
在模式识别任务中,通常先对原始数据进行特征提取,保却有可能得不到最优的投影方向,因为利用同一个准
留对分类有用的特征,,忽略了不同类的
典的线性特征提取方法有两种,
,,它是在最小均方意义下选择最类别,而忽视了类间距离较小的类别,导致了得到的投影方向
能够代表原始数据的特征,这是一种无监督的特征提取方法; 虽然能够很好地分开具有较大类间距离的类别,却造成了其
二是线性判别分析,,,本文提出类依犊的
方法在最小均方意义下选择最能够分开各类数据的特征,使线性判别分析—,,首先对每一类
样本在特征空间中类问尽可能彼此远离,而类内尽可能紧凑, 样本定义一个准则函数,然后对该类样本寻找投影矩阵,使得
。就是寻找投影后该类样本的类内离散度最小,同时与其它样本的类问
一组最优的投影向量,将原始数据投影到特征空间后,,将类依赖的思想和经验核
, 方法相结合,得到经验核空间中的类依赖线性判别分析一
收稿日期;——基金项目:江苏省自然科学基金项目资助. 作者简介:陈晓红,女,年生,讲师。博士研究生,研
究方向为模式识别;陈松灿,男,年生,教授,博士生导师,研究方向为模式识别与人工智能. ’
维普资讯
期陈晓红等:类依赖的线性判别分析
,. 合类依赖的思想使得这些方法都取得了很好的结果,受此启
发,我们改进的准则,提出类依赖的准则函数,即
线性判别分析对每一类样本给出一个准则函数,寻找最优的投影矩阵,期望
假设训练数据集一,,⋯,,其中,五一,, 取得更好的分类效果,称之为—,