诱导核空间选择的LPKHDA维数约简算法

• 作者: 任世锦 刘小平 徐桂云 杨茂云
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 核混合鉴别分析 核方法 模型选择 诱导核空间 维数约简
• 年，卷（期）: 2013,（3）
• 页码范围: 272-281
• 分类号: TP181
• 字数: 7727字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1205027

摘要

混合鉴别分析(hybrid discirminant analysis,HDA)融合了主元分析和线性鉴别分析的优点,适合更多的数据分布,在实际应用中取得了较好的效果.然而HDA不适合复杂、非线性数据结构的维数约简.首先通过特征映射把数据样本映射到高维线性空间,然后建立线性 HDA 模型,基于流形学习理论和 LSSVM(least square support vector machine)框架,给出了保持数据局部结构的核 HDA(locality preserving kernel HDA, LPKHDA)算法.提出了基于散度矩阵的诱导核空间选择方法,通过把模型参数选择问题转化为最优诱导核空间选择问题来求取最优模型参数,通过梯度下降法求取核函数参数和散度矩阵系数最优值.基于Adaboost实现了LPKHDA算法.在UCI数据和人脸图像上进行仿真实验,结果表明与HDA算法相比,新算法不仅较好地解决了模型参数选择问题,且具有较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐桂云	中国矿业大学机电工程学院	82	290	9.0	14.0
2	刘小平	中国矿业大学机电工程学院	11	26	3.0	5.0
3	杨茂云	江苏师范大学计算机学院	20	25	3.0	4.0
4	任世锦	江苏师范大学计算机学院	11	22	3.0	4.0