一种基于广义奇异值分解的无关联线性判别分析算法

摘要：

有监督学习旨在样本数据集中找到最优判决向量.线性判别分析(LDA)和无关联线性判别分析(ULDA)是解决该问题的常用方法.研究中改进了古曲IDA方法使其与ULDA等价,并给出了相应求判决向量的ULDA/QR算法来简化ULDA中对判决向量的求解;为了有效地解决LDA方法和ULDA方法中类内散布矩阵奇异性的问题,提出了一种基于ULDA/QR,正则LDA和广义奇异值分解(GSVD)的无关联线性判别分析算法.

关键词：特征抽取、散布矩阵、最优判决向量、无关联线性判别分析、广义奇异值分解

所属期刊栏目：29

分类号：TP301(计算技术、计算机技术)

在线出版日期：2010-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：102-107