一种基于最小分类错误率的改进型LDA特征选择算法

摘要：

LDA是目前常用的较好的特征选择方法.然而散布矩阵不同时,LDA分类效果往往不理想.本文提出一种基于分类错误率最小的改进型LDA特征选择算法,采用迭代计算使Bayes分类错误率上界最小,能取得比原LDA更好的分类效果.对高维数据提出基于PCA预处理的"快速改进型LDA特征选择"减少求解迭代计算时间.针对Marill.T.提供的典型数据和MIN-IST手写体数字库的实验证实以上论点是正确的.

关键词：改进型LDA、分类错误率、特征选择

所属期刊栏目：21

分类号：TP391(计算技术、计算机技术)

在线出版日期：2005-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：4-6,38