一种基于最小分类错误率的改进型LDA特征选择算法

• 作者: 宣国荣 张振平 柴佩琪 郑俊翔
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 改进型LDA 分类错误率 特征选择
• 年，卷（期）: 2005,（4）
• 所属期刊栏目: 研究与设计
• 页码范围: 4-6,38
• 页数: 4页
• 分类号: TP391
• 字数: 3550字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2005.04.002

摘要

LDA是目前常用的较好的特征选择方法.然而散布矩阵不同时,LDA分类效果往往不理想.本文提出一种基于分类错误率最小的改进型LDA特征选择算法,采用迭代计算使Bayes分类错误率上界最小,能取得比原LDA更好的分类效果.对高维数据提出基于PCA预处理的"快速改进型LDA特征选择"减少求解迭代计算时间.针对Marill.T.提供的典型数据和MIN-IST手写体数字库的实验证实以上论点是正确的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴佩琪	同济大学计算机系	50	717	13.0	25.0
2	宣国荣	同济大学计算机系	57	890	14.0	28.0
3	郑俊翔	同济大学计算机系	4	39	4.0	4.0
4	张振平	同济大学计算机系	1	6	1.0	1.0