面向高维缺失数据集的线性判别分析方法

• 作者: 刘鹏 叶宾
• 来源期刊: 常州大学学报（自然科学版）
• 学科: 工学
• 关键词: 线性判别分析 缺失数据 高维数据 Lasso估计
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 31-37
• 页数: 7页
• 分类号: TP181
• 字数: 4140字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0411.2020.02.004

摘要

线性判别分析尽管在许多实际应用中表现良好,但是它在处理含有缺失数据的高维数据集时,效果却很不理想.这一方面是由于线性判别分析方法无法准确地预测或填充缺失数据,另一方面是由于在高维情况下,线性判别分析使用的样本协方差矩阵不再是总体协方差矩阵的一个良好估计.因此导致计算出的判别函数值产生很大的偏差.基于随机矩阵理论,采用总体协方差矩阵的Lasso估计,提出了一种处理高维缺失数据集的线性判别分析改进方法.在多种人造及真实数据集上的仿真结果表明,所提方法的分类正确率优于其他同类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘鹏	中国矿业大学地下空间智能控制教育部工程研究中心	85	332	10.0	13.0
2	叶宾	中国矿业大学地下空间智能控制教育部工程研究中心	10	13	2.0	3.0