WPCA-LDA:一种数据分类新方法

• 作者: 李玲 辛云宏 黄欣研
• 来源期刊: 计算机应用研究
• 关键词: 主成分分析 线性判别分析 数据预处理 权值 数据分类
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1650-1653
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.06.011

摘要

PCA(principal component analysis)是一种常用的特征提取方法,LDA(linear discriminant analysis)是一种常用的数据分类方法.然而,传统PCA投影数据没有区分数据的类标签,传统LDA投影数据没有消除数据间的相关性,分类效果都不理想.针对该问题进行研究,设计出了一种WPCA-LDA(weighted principal component analysis-linear discriminant analysis)分类方法.该方法首先对样本数据进行预处理,再运用数据中不同类别间的特征关系计算权值,对数据样本加权,之后用PCA进行特征提取,最后采用LDA方法对提取的特征分类.在MAT-LAB仿真实验中,该方法能将六类样品清晰分开.实验结果表明:与传统的PCA、LDA和PCA-LDA分类方法相比,WPCA-LDA方法的数据分类效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玲	西安航空学院机械工程学院	16	57	5.0	7.0
2	辛云宏	陕西师范大学物理学与信息技术学院	53	590	12.0	23.0
3	黄欣研	陕西师范大学物理学与信息技术学院	1	1	1.0	1.0