基于近似梯度算法的Fisher线性判别分析问题的求解研究

• 作者: 梁露方 胡恩良
• 来源期刊: 云南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 降维 Fisher线性判别分析 广义特征值问题 近似梯度下降算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 大数据与机器学习
• 页码范围: 237-242
• 页数: 6页
• 分类号: TP306.1
• 字数: 3552字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-8513.2020.03.010

摘要

Fisher线性判别分析(FLDA,Fisher linear discriminant analysis)是一种经典的线性降维方法,可归结为广义特征值问题的求解,但广义特征值问题的求解的复杂度较高.为了更好地求解FLDA问题,引入了近似梯度下降(PGD,proximal gradient descent)算法,并分析了该算法的收敛性.实验结果表明,相较于求解广义特征值等方法,PGD算法能更高效地求解FLDA问题.

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	梁露方	云南师范大学数学学院	1	0	0.0	0.0