基于边界判别投影的数据降维

• 作者: 丁立新 何进荣 李照奎 胡庆辉
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 边界判别投影 数据降维 特征提取 边界样本点 人脸识别
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 大数据专题
• 页码范围: 826-838
• 页数: 13页
• 分类号: TP181
• 字数: 7445字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004571

摘要

为了提取具有较好判别性能的低维特征,提出了一种新的有监督的线性降维算法——边界判别投影,即,最小化同类样本间的最大距离,最大化异类样本间的最小距离同时保持数据流形的几何形状.与经典的基于边界定义的算法相比,边界判别投影可以较好地保持数据流形的几何结构和判别结构等全局特性,可避免小样本问题,具有较低的计算复杂度,可应用于超高维的大数据降维.人脸数据集上的实验结果表明,边界判别分析是一种有效的降维算法,可应用于大数据上的特征提取.