局部保持多投影向量Fisher判别分析算法

编号 zgly0000654013

文献类型 期刊论文

文献题名 局部保持多投影向量Fisher判别分析算法

作者 张召  业宁  业巧林 

作者单位 南京林业大学信息科学技术学院  山东大学计算机科学与技术学院 

母体文献 计算机学报 

年卷期 2010(5)

页码 865-876

年份 2010 

分类号 TP18 

关键词 局部保持  多投影向量  特征选择  分类  判别分析 

文摘内容 特征选择是在损失较少信息的情况下处理高维图像数据的关键技术, 是高维数据预处理的重要步骤.通过引入Fisher判别分析(Fisher Discriminant Analysis, FDA)和典型相关分析(Canonical Correlation Analysis, CCA)的思想, 采用以样本的类标号形式给出的先验信息, 考虑样本数据的局部性, 提出了一种监督的基于Fisher判别信息的局部保持多投影向量分析方法(Locality Preserving Multi—projection Vector Fisher Discriminant Analysis.LPMVF).通过定义新准则, LPMVF具有以下优点: (1)便于计算, 可有效避免奇异性; (2)借助标准核映射, 可快速将LPMVF推广到非线性的特征空间; (3)与CCA算法类似, LPMVF最终得到一对投影变换, 可有效嵌入样本数据, 可将原始数据投影成一系列“有用的”特征形式, 并使数据的投影在嵌入空间中更具可分离性; (4)与局部化的Fisher判别分析(Local Fisher Discriminant Analysis, 简称LFDA)相比, LPMVF也能够有效保持数据样本间的局部近邻关系; (5)在大多数情况下, 该文算法的学习能力甚至优于经典的FDA、KFD和LFDA算法.在几个标准数据集上的实验结果表明, LPMVF及其非线性的推广算法能够提取出描述能力更强的特征信息, 可有效利用类标号监督信息提高分类性能.