一种新的L1度量Fisher线性判别分析研究

• 作者: 余景丽 张涛 胡恩良
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Fisher线性判别分析 Fisher准则 L1范数度量 鲁棒性 特征提取
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 128-134
• 页数: 7页
• 分类号: TP301.6
• 字数: 5668字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1608-0557

摘要

Fisher线性判别分析(Fisher Linear Discriminant Analysis,FLDA)是一种典型的监督型特征提取方法,旨在最大化Fisher准则,寻求最优投影矩阵.在标准Fisher准则中,涉及到的度量为L2范数度量,此度量通常缺乏鲁棒性,对异常值点较敏感.为提高鲁棒性,引入了一种基于L1范数度量的FLDA及其优化求解算法.实验结果表明:在很多情形下,相比于传统的L2范数FLDA,L1范数FLDA具有更好的分类精度和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡恩良	云南师范大学数学学院	11	13	2.0	3.0
2	余景丽	云南师范大学数学学院	3	5	1.0	2.0
3	张涛	云南师范大学数学学院	5	8	2.0	2.0