多重核线性判别分析及其权值优化
为了提高非线性分类精度,借鉴在支持向量机(SVM)框架下发展起来的多重核学习方法,针对基于核的线性判别分析(KLDA)构造多重核.进而,使用拉格朗日乘子法优化最大边缘准则(MMC),提出了多重核权值优化算法.在FERET和CMU PIE人脸图像库上的实验表明,与基于单个核的LDA相比,多重核线性判别分析能够达到更高的分类性能.
多重核、核线性判别分析、最大边缘准则、权值优化、拉格朗日乘子法
29
TP18(自动化基础理论)
国家自然科学基金资助项目60675007;教育部重点基金资助项目104145
2009-10-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
2473-2476