增量式正交局部判别投影法

摘要：

针对现有投影分析算法随着输入数据量的增加计算复杂度急剧增长这一问题,通过子块优化策略构建了目标投影模型,称之为增量的局部判别投影(ILDP)算法.算法兼顾样本的类间离散度和类内紧凑性,求得的投影矩阵还具有正交性；通过子块叠加和奇异值升级算法对模型的求解进行了增量式扩展,计算过程中并无出现矩阵逆操作,即规避了小样本问题.在COIL图像库、USPS手写字体库和ExYaleB人脸库中的实验表明,对比经典的ILDA、LSDA、MMP等降维算法,ILDP具有更高的识别率,尤其在USPS数据库中,ILDP的识别率接近于90％,而其它的算法识别率都低于85％.与此同时,ILDP的计算量也明显少于对比算法,在USPS数据库中仅需要少于0.5s的时间即可完成最优投影矩阵计算.

关键词：维度约简、增量式学习、奇异值分解、正交局部判别

所属期刊栏目：24

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61070043;浙江省自然科学基金LQ12F03011

在线出版日期：2013-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：161-169