基于自权值线性判别分析算法的图像处理研究
作者:
作者单位:

作者简介:

陆荣秀(1976—),女,副教授,研究方向为复杂工业过程建模,控制与优化。

通讯作者:

中图分类号:

TP311

基金项目:

国家自然科学基金地区项目(61963015, 61863014);国家自然科学基金重点项目(61733005 );江西省自然科学基金项目(20171ACB21039,20192BAB207024);江西省教育厅科技项目(GJJ150552,GJJ170374)


Application of Self-Weight Linear Discriminant Analysis in Dimension Reduction
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    鉴于传统的线性判别分析(LDA)算法未考虑数据从高维空间嵌入到低维子空间中样本之间的相似性,导致该算法在处理非高斯分布数据时不能取得较好的效果,为此,本文提出了一种改进的自权值线性判别分析算法。 改进的模型通过将样本对之间的距离分布转换为样本点之间的权值以区分样本之间的差异性,使模型考虑数据从高维空间嵌入到低维子空间中隐含的局部流形结构,进而提高模型处理非高斯数据的能力。 通过人工合成数据和真实数据对改进的模型进行实验验证,表明改进的自权值算法在一定程度上可以改善传统 LDA 在处理非高斯数据上的降维性能。

    Abstract:

    The traditional linear discriminant analysis(LDA)algorithm does not consider the similarity between the samples embedded from the high-dimensional space to the low-dimensional space. Therefore, it often fails to achieve good results for non-Gaussian data. In this paper, a self-weight linear discriminant analysis algorithm is proposed. The new model assigns weights of the sample pairs by measuring the Euclidean distance between the sample pairs to differentiate the importance of each data point so that the underlying local manifold structure can be discovered, which can improve the ability of the model to process non- Gaussian data. Extensive experiments conducted on synthetic and real data demonstrate that the proposed algorithmhas improved the dimension reduction performance of traditional LDA in processing non-Gaussian data to some extent.

    参考文献
    相似文献
    引证文献
引用本文

陆荣秀,蔡莹杰,朱建勇,杨辉.基于自权值线性判别分析算法的图像处理研究[J].华东交通大学学报,2020,37(3):135-142.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-05-11
  • 出版日期: