一种新的高维小样本情况下的线性判别分析

摘要：

针对高维小样本问题,对传统的"PCA+LDA"处理方法进行了两方面改进:首先,在降维过程中,选取主元的原则是使得Fisher准则函数取得较大值,而不是使得投影后样本在投影空间里的方差最小;其次,根据训练样本在模式空间的几何分布情况,重新定义了类内散度矩阵Sw,使之更准确地反映类内样本间的分布关系,提高了准则模型的精确性.实验结果证明了本文方法的有效性,和同类方法相比,就识别率而言,有较大提高.

关键词：特征提取、Fisher 准则函数、高维小样本

所属期刊栏目：8

分类号：TP391.4(计算技术、计算机技术)

资助基金：广东省自然科学基金5001835

在线出版日期：2008-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2575-2578