10.16208/j.issn1000-7024.2016.12.028
基于稀疏投影的Fisher准则方法
在进行数据模式分类时,数据通常呈现高维形式,造成维数"灾难",对高维数据进行特征提取降维变得尤为重要.在降维算法研究的基础上,提出一种基于稀疏投影的Fisher准则方法,实现高维数据的维数约简.充分考虑样本类别标签信息,结合改进的稀疏表示定义同类样本间的稀疏重构和异类样本间的稀疏重构,根据得到的同类稀疏系数矩阵和异类稀疏系数矩阵,构建基于Fisher准则,使类间散度最大化的同时类内散度最小化.在标准人脸数据上进行实验,实验结果验证了该算法在分类问题上的有效性和可行性.
降维、稀疏表示、类别信息、稀疏重构、Fisher准则
37
TP391.4(计算技术、计算机技术)
国家自然科学基金项目 61100106、61273303、61273225、61373109、61572381
2017-01-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
3286-3289,3299