文档介绍：ｈｔｔｐ：／／ｗｗｗ．ｊｓｊｋｘ．ｃｏｍ
ＤＯＩ：１０．１１８９ ｔｈｅ ｄｉｃｔｉｏｎａｒｙ ｉｓ ｌａｒｇｅ
ｗｉｔｈｏｕｔ ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｌａｂｅｌ ｉｎｆｏｒｍａｔｉｏｎ，ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ｃｌａｓｓｉｆｉｅｒ（ＬＲＣ）ｄｏｅｓ ｎｏｔ ｔａｋｅ ｔｈｅ ｄｉｆｆｅｒｅｎｃｅｓ ｂｅｔｗｅｅｎ ｉｎｔｅｒ－ｃｌａｓｓ ｓａｍ－
ｐｌｅｓ ｉｎｔｏ ａｃｃｏｕｎｔ ａｎｄ ｉｇｎｏｒｅｓ ｔｈｅ ｄｉｓｔａｎｃｅ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｔｈｅ ｎｅｉｇｈｂｏｒｈｏｏｄ ｒｅｌａｔｉｏｎｓ ｂｅｔｗｅｅｎ ｓａｍｐｌｅｓ．Ｔｏ ａｄｄｒｅｓｓ ｔｈｅ ｐｒｏｂｌｅｍｓ
ａｎｄ ｓｈｏｒｔｃｏｍｉｎｇｓ ｉｎ ｔｈｅｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｌｅａｒｎｉｎｇ ｂａｓｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ，ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｌｏｃａｌｉｔｙ ｒｅｇｕｌａｒｉｚｅｄ ｄｏｕｂｌｅ
ｌｉｎｅａｒ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄ（ＬＲＤＬＲＲＣ）ｆｏｒ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ．Ｆｉｒｓｔｌｙ，ＬＲＤＬＲＲＣ ｃａｌｃｕｌａｔｅｓ ｔｈｅ ｉｎ－
ｔｒａ－ｃｌａｓｓ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒｓ ｏｆ ｔｈｅ ｑｕｅｒｙ ｓａｍｐｌｅ ａｎｄ ｕｓｅｓ ｔｈｅ ｉｎｔｒａ－ｃｌａｓｓ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒｓ ｔｏ ｌｉｎｅａｒｌｙ ｒｅｃｏｎｓｔｒｕｃｔ ｔｈｅ ｑｕｅｒｙ ｓａｍ－
ｐｌｅ．Ｔｈｅｎ ｔｈｅ ｑｕｅｒｙ ｓａｍｐｌｅ ｉｓ ｒｅｐｒｅｓｅｎｔｅｄ ａｓ ａ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ａｌｌ ｔｈｅ ｉｎｔｒａ－ｃｌａｓｓ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｓａｍｐｌｅｓ，ａｎｄ ｔｈｅ ｒｅｐｒｅｓｅｎｔａ－
ｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｉｓ ｃｏｎｓｔｒａｉｎｅｄ ｂｙ ｔｈｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｅｒｒｏｒ ｂｅｔｗｅｅｎ ｔｈｅ ｑｕｅｒｙ ｓａｍｐｌｅ ａｎｄ ｔｈｅ ｉｎｔｒａ－ｃｌａｓｓ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｓａｍｐｌｅｓ．Ｆｉ－
ｎａｌｌｙ，ｔｈｅ Ｌａｇｒａｎｇｅ ｍｕｌｔｉｐｌｉｅｒ ｍｅｔｈｏｄ ｉｓ ａｐｐｌｉｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ，ａｎｄ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｒｅｓｕｌｔ ｏｆ ｔｈｅ ｑｕｅｒｙ
ｓａｍｐｌｅ ｉｓ ｄｅｔｅｒｍｉｎｅｄ ｂｙ ｔｈｅ ｒａｔｉｏ ｂｅｔｗｅｅｎ ｔｈｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｅｒｒｏｒ ａｎｄ ｔｈｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ．Ｅｘｐｅｒｉｍｅｎｔｓ ｏｎ ＡＲ，ＦＲＧＣ
ａｎｄ ＦＥＲＥＴ ｄａｔａｓｅｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｈａｓ ｓｕｐｅｒｉｏｒ ａｃｃｕｒａｃｙ，ｔｉｍｅ ｃｏｍｐｌｅ