一种相似子空间嵌入算法
钱文光,李会民北华航天工业学院计算机与遥感信息技术学院, 河北 廊坊 065000
收稿日期:
2017-08-23出版日期:
2018-02-20发布日期:
2017-08-23作者简介:
钱文光(1980— ), 男, 河北邯郸人,讲师,工学硕士,主要研究方向为高维数据降维算法. E-mail:wgqian1980@163.com基金资助:
河北省科技计划资助项目(12210317);河北省科学技术研究与发展计划专项资助项目(15K55403D);廊坊市科技支撑计划资助项目(2014011021)A similarity subspace embedding algorithm
QIAN Wenguang, LI HuiminSchool of Computer and Remote Sensing Information Technology, North China Institute of Aerospace Engineering, Langfang 065000, Hebei, China
Received:
2017-08-23Online:
2018-02-20Published:
2017-08-23摘要/Abstract
摘要: 通过对经典的线性判别分析(Linear Discriminant Analysis, LDA)及最大边界准则(Maximum Margin Criterion, MMC)方法的分析,提出一种类内子空间深入学习的监督降维方法——相似子空间嵌入(Similarity Subspace Embedding, SSE),对类内离散度矩阵进行深入学习,得到每类的类内离散度子空间,通过对所有类内离散度子空间的学习,获得信息更为丰富的类间离散度矩阵,进而得到更好的低维空间。与MMC方法相比,SSE方法对类内数据学习更充分,同时避免了LDA方法存在的小样本问题。在AR人脸图像、Coil数据集及手写体上的试验结果表明,与其它三种相关的经典方法相比, SSE方法具有较高的识别率,说明了该方法的有效性。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1663