-
题名线性判别分析与主成分分析及其相关研究评述
被引量：40
- 1
-
-
作者
王晓慧
-
机构
中山大学数学与计算科学学院
-
出处
《中山大学研究生学刊（自然科学与医学版）》
2007年第4期50-61,共12页
-
文摘
线性判别分析(LDA)和主成分分析(PCA)都在各个领域有着重要的作用。他们各自抓住样本在特征空间的不同特征,一般情况下更趋向于使用LDA,因为LDA直接处理类间的分析问题,而PCA则没有突出类的结构。然而实验证明PCA在某些问题上又明显优于LDA。于是,改进或结合使用LDA与PCA成了非常必要的课题。现阶段在这个领域上已经有许多优秀的研究成果,本文简单的介绍了其中几种效果较好的相关分析方法,其中又以混合判别分析(HDA)最优。HDA不仅同时抓住了样本的判别信息和描述信息,使PCA与LDA在各种情况下达到平衡,而且在二维参数空间中提供了一系列的分析方法,更有利于解决小样本问题和高维问题。Boosted HDA的提出通过用迭代的方法改进弱分类器,避免了HDA复杂的参数搜索,并得到一种统一计算HDA的方法。文章将在第三部分引用一些已有的实验结果来验证HDA的优越性。
-
关键词
线性判别分析
主成分分析
小样本问题
高维问题
混合判别分析
混合判别分析改进
-
Keywords
Linear Discriminant Analysis
Principle Component Analysis
Small Sample Set Problem
HighDimensionality Problem
Hybrid Discriminant Analysis
boosted had
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
