近邻边界Fisher判别分析

被引：6

作者：

魏莱 ^{[1
]}

王守觉 ^{[2
]}

徐菲菲 ^{[1
]}

王睿智 ^{[1
]}

机构：

[1] 同济大学计算机科学与技术系

[2] 中国科学院半导体所

来源：

电子与信息学报 | 2009年 / 31卷 / 03期

关键词：

维数约简; 流形学习; 主成份分析; Fisher判别分析; 人脸识别;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

将数据集进行合理的维数约简对于一些机器学习算法效率的提高起着至关重要的影响。该文提出了一种利用数据点邻域信息的线性监督降维算法:近邻边界Fisher判别分析(Neighborhood Margin Fisher Discriminant Analysis,NMFDA)。NMFDA尝试将每一数据点邻域内最远的同类数据点和最近的异类数据点之间的边界在投影子空间内尽可能地扩大,从而提高基于距离的识别算法的准确率。同时为了解决非线性降维问题,提出了Kernel NMFDA,通过在几个标准人脸数据库上与其它降维算法的对比识别实验,验证了提出算法的有效性。

引用

页码：509 / 513

页数：5