基于张量投票的线性判别分析算法研究

摘要：

线性判别分析(Linear Discriminant Analysis,LDA)是一种经典的分类和降维方法.针对线性判别分析中的小样本问题,改进算法通过加入张量使得算法的性能明显提升.张量投票(Tensor Voting,TV)是应用张量来表征输入数据从而实现对显著特征的提取,在对图像数据的处理过程中具有很好的鲁棒性.因此,文章研究了基于张量投票的线性判别分析算法,实验结果表明算法稳定性较好,有效地处理了存在的小样本问题.

关键词：小样本问题、特征提取、张量投票

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目:缺失响应数据下高维稀疏分位数回归模型的变量选择11601409

在线出版日期：2019-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：68-74