一种相似子空间嵌入算法

• 作者: 李会民 钱文光
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 降维 线性判别分析 最大边界准则 离散度矩阵 子空间 小样本问题
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 8-14
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.401

摘要

通过对经典的线性判别分析(Linear Discriminant Analysis,LDA)及最大边界准则(Maximum Margin Criterion,MMC)方法的分析,提出一种类内子空间深入学习的监督降维方法——相似子空间嵌入(Similarity Subspace Embedding,SSE),对类内离散度矩阵进行深入学习,得到每类的类内离散度子空间,通过对所有类内离散度子空间的学习,获得信息更为丰富的类间离散度矩阵,进而得到更好的低维空间.与MMC方法相比,SSE方法对类内数据学习更充分,同时避免了LDA方法存在的小样本问题.在AR人脸图像、Coil数据集及手写体上的试验结果表明,与其它三种相关的经典方法相比,SSE方法具有较高的识别率,说明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李会民	北华航天工业学院计算机与遥感信息技术学院	12	17	3.0	4.0
2	钱文光	北华航天工业学院计算机与遥感信息技术学院	10	14	2.0	3.0