基于遗传算法的线性判别分析方法

被引：5

作者：

沈道义 ^{[1
]}

庞彦伟 ^{[2
]}

王雷 ^{[1
]}

俞能海 ^{[1
]}

机构：

[1] 中国科学技术大学信息处理中心

[2] 天津大学电子信息工程学院

来源：

数据采集与处理 | 2008年 / 03期

基金：

中国博士后科学基金;

关键词：

线性判别分析; 特征值; 子空间; 遗传算法;

D O I：

10.16337/j.1004-9037.2008.03.021

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

由于线性判别分析(Linear discriminant analysis,LDA)算法并不直接以训练误差作为目标函数,所以在Fisher准则不能代表最小训练误差情况下,LDA算法无法找到最优的分类子空间。本文针对这种情况,首先通过分析数据样本分布与LDA投影向量之间的关系,揭示了LDA投影向量与类间散布矩阵和类内散布矩阵特征值之间存在的关联,并以此提出一种基于遗传算法的LDA算法。该算法以子空间上的训练误差最小为目标,通过遗传算法调整LDA算法中类间矩阵特征值的大小,达到搜索最佳特征子空间的效果。通过模拟数据和真实数据的实验,表明这种方法的分类正确率比现有的线性子空间方法有明显提高。

引用

页码：327 / 332

页数：6