一种改进的线性判别分析算法MLDA

被引：3

作者：

刘忠宝 ^{[1
,2
]}

王士同 ^{[1
]}

机构：

[1] 江南大学信息学院

[2] 山西大学商务学院信息工程系

来源：

计算机科学 | 2010年 / 37卷 / 11期

关键词：

特征提取; 线性判别分析(LDA); 小样本问题; 类间离散度矩阵; 类内离散度矩阵; 标量化;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

线性判别分析(LDA)是模式识别方法之一,已广泛应用于模式识别、数据分析等诸多领域。线性判别分析法寻找的是有效分类的方向。而当样本维数远大于样本个数(即小样本问题)时,LDA便束手无策。为有效解决线性判别分析法的小样本问题,提出了一种改进的LDA算法——MLDA。该算法将类内离散度矩阵进行标量化处理,有效地避免了对类内离散度矩阵求逆。通过实验证明MLDA在一定程度上解决了经典LDA的小样本问题。

引用

页码：239 / 242

页数：4