-
题名基于边界异类近邻关系构建的新特征提取方法
被引量：1
- 1
-
-
作者
陶玉婷
卓洋
张泽宇
周丹
-
机构
金陵科技学院软件工程学院
南京大数据研究院
-
出处
《金陵科技学院学报》
2018年第3期6-10,共5页
-
基金
金陵科技学院博士科研启动基金(jit-b-201617)
智能人机交互科技创新团队(金陵科技学院科技创新团队10186001)
-
文摘
特征提取广泛应用于模式识别中。它去除原始样本的冗余信息,提取出有助于样本表示或分类的简洁有用的信息。线性鉴别分析(LDA)属于传统的监督特征提取方法,它旨在寻找最小化类内散度(方差)同时最大化类间散度(方差)的低维线性投影子空间。提出一种新的特征提取方法,旨在改进LDA,该方法在LDA的基础上,增加了每个类的中心点与该类边界异类样本的近邻关系,通过类中心对边界异类样本的排斥,扩大了类与类相互的边距,增强了类的可分性。YaleB人脸数据库和CENPARMI手写阿拉伯数字库中的实验结果,证明了新方法确实能够提高分类效果。
-
关键词
线性鉴别分析
特征提取
类中心
边界异类样本
分类
-
Keywords
Linear Discriminant Analysis（LDA）
feature extraction
class center
marginalheterogeneous samples
classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
