线性判别分析与主成分分析及其相关研究评述

• 作者: 王晓慧
• 来源期刊: 中山大学研究生学刊：自然科学与医学版
• 学科: 工学
• 关键词: 线性判别分析 主成分分析 小样本问题 高维问题 混合判别分析 混合判别分析改进
• 年，卷（期）: 2007,（4）
• 页码范围: 50-61
• 页数: 12页
• 分类号: TP391.41

摘要

线性判别分析（LDA）和主成分分析（PCA）都在各个领域有着重要的作用。他们各自抓住样本在特征空间的不同特征,一般情况下更趋向于使用LDA,因为LDA直接处理类间的分析问题,而PCA则没有突出类的结构。然而实验证明PCA在某些问题上又明显优于LDA。于是,改进或结合使用LDA与PCA成了非常必要的课题。现阶段在这个领域上已经有许多优秀的研究成果,本文简单的介绍了其中几种效果较好的相关分析方法,其中又以混合判别分析（HDA）最优。HDA不仅同时抓住了样本的判别信息和描述信息,使PCA与LDA在各种情况下达到平衡,而且在二维参数空间中提供了一系列的分析方法,更有利于解决小样本问题和高维问题。Boosted HDA的提出通过用迭代的方法改进弱分类器,避免了HDA复杂的参数搜索,并得到一种统一计算HDA的方法。文章将在第三部分引用一些已有的实验结果来验证HDA的优越性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓慧	中山大学数学与计算科学学院	3	10	1.0	3.0