最大边际近邻线性判别分析  

Largest Margin Neighbor Linear Discriminant Analysis

作　　者：郭丹[1] 闫德勤[1] 郑宏亮[1] 

机构地区：[1]辽宁师范大学计算机与信息技术学院,辽宁大连116081

出　　处：《小型微型计算机系统》2011年第12期2466-2470,共5页Journal of Chinese Computer Systems

基　　金：中国科学院自动化研究所复杂系统与智能科学重点实验室开放课题基金项目(20070101)资助;辽宁省教育厅高等学校科学研究基金项目(2008344)资助

摘　　要：线性判别分析是特征提取的重要方法之一,但是定义散布矩阵时,容易产生误差导致数据分类不明确.提出一种新的子空间学习方法,最大边际近邻元判别分析方法,依据近邻元准则将数据样本投影到该子空间内并重新定义散布矩阵,从而构造新的目标函数.克服了传统的定义形式对于两类或多类的类别均值之间距离值相近时难以区分导致数据样本之间重叠或部分交叉的缺点,并解决了其本身具有的小样本问题.在标准的人脸数据库上进行试验,证明了所提方法的有效性.Linear discriminant analysis is one of the most methods,but it is easy to generate an error and result in unclear data classification.Proposed a new subspace learning method——largest margin neighbor dicriminant analysis（LMNLDA）.It accords the neighbor criterion to project the datas to a seprarable subspace,and refreshes the original scatter matrix in this new space to construct a new target function.To overcome the drawback that the traditional definition of matrix for the mean value of two kinds scatter matrix or more categories that unsimilar to distnguish between samples.And on this basis it solves the small sample problem.Taking a expriment on the standard face database to prove that effectiveness of the results.

关 键 词：线性判别分析 散布矩阵 最大边际近邻元分析 人脸识别 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]