|
|||||
|
|
| 基于核的四重子空间的LDA特征抽取方法 | |
| 作者单位： | 江苏科技大学,计算机科学与工程学院,江苏,镇江,212003;江苏科技大学,计算机科学与工程学院,江苏,镇江,212003;江苏科技大学,计算机科学与工程学院,江苏,镇江,212003;江苏科技大学,计算机科学与工程学院,江苏,镇江,212003;江苏科技大学,计算机科学与工程学院,江苏,镇江,212003 |
| 基金项目： | 国家自然科学基金资助项目;江苏科技大学本科生创新计划课题 |
| 摘 要： | 模式分类在面临非线性高维数据下的小样本问题时通常十分困难.文中提出了一种核的四重子空间学习(KFS)方法.首先通过构造基于类内和类间散布矩阵的混合鉴别准则,获得分布在各子空间中降维样本的最优鉴别信息.其次,通过向量点积,核鉴别分析方法(KFD)成为一种有效的抽取非线性鉴别信息的算法,在此基础上,提出了基于核的四重子空间鉴别分析算法,从而有效解决了非线性小样本问题的特征抽取.在ORL和Yale人脸库上的实验结果验证了该方法的有效性. |
| 关 键 词： | 特征抽取 线性鉴别分析 子空间学习 非线性小样本问题 核主分量 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |