一种新的保类内核Fisher判别法及说话人辨别应用

摘要：

在保留数据本质特征的前提下,降低数据维度是一种重要的分类预处理手段.深入分析了核Fisher判别 (KFD)方法与核化全局局部保持Fisher投影(KLFDA)方法的相互关系与优缺点,提出了一种新的基于类内特性保持的核化Fisher判别分析方法(LW-KFD).在保留KFD全局最优投影能力的同时,解决了KLFDA的过度局部保持问题,从而对重叠(离群)样本与多态分簇样本都能实现有效的分类投影.提出了快速训练算法,解决了大量训练样本时的内存溢出问题.仿真实验与说话人辨别应用表明,该方法具有很强的适应性,并提高了说话人识别率与识别速度.

关键词：Fisher判别分析、局部保持投影、说话人辨别、核技巧、维度削减

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目60573123

在线出版日期：2010-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：243-247