×

线性无关样本模式识别的判别模型。 (英语) Zbl 1241.68095号

小结:费希尔线性判别分析(FLDA)已用于许多模式识别应用。然而,当类内散布矩阵奇异时,即出现所谓的小样本问题时,该方法不能用于解决模式识别问题。过去为解决这一问题而提出的许多FLDA变体要么在模式具有大维度时承受过大的计算负载,要么丢失一些有用的判别信息。本文提出了一种新的线性无关样本数据集模式识别系统框架。在这个框架内,一个判别模型被证明是存在的,其中数据集的各个类的样本位于平行超平面上,并投影到基础输入空间的判别子空间的单个不同点。基于该模型,开发了三种不受小样本量(SSS)问题不利影响的算法,以获得具有线性独立样本的给定数据集的判别子空间。还开发了一种核化算法,用于对样本不线性独立的数据集进行判别分析。仿真结果验证了该鉴别模型的有效性,并证明了基于该模型设计的线性和非线性算法在复杂性和分类精度方面的有效性。

MSC公司:

68吨10 模式识别、语音识别

软件:

KPCA加LDA
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Y.Bing,J.Lianfu,C.Ping,一种新的基于LDA的人脸识别方法,收录于Proc。第16届国际会议模式识别,第1卷(2002年),第168-171页
[2] C.Burges,模式识别支持向量机教程。数据最小知识。迪斯科。2, 121–167 (1998) ·Zbl 05470543号 ·doi:10.1023/A:1009715923555
[3] H.Cevikalp,M.Neamtu,M.Wilkes,带核的鉴别公共向量法。IEEE传输。神经网络。17(6), 1550–156 (2006) ·doi:10.1109/TNN.2006.881485
[4] 陈德庚,何奇,王小中,关于数据集在特征空间中的线性可分性。神经计算70(13-15),2441-8(2007)·doi:10.1016/j.neucom.2006.12.002
[5] 戴德清,袁佩中,正则化判别分析及其在人脸识别中的应用。模式识别。36, 845–847 (2003) ·Zbl 1032.68129号 ·doi:10.1016/S0031-3203(02)00092-4
[6] K.-L.Du,M.N.S.Swamy,《软计算框架中的神经网络》(Springer,伦敦,2006)·Zbl 1101.68757号
[7] K.Fukunaga,《统计模式识别导论》,第2版。(圣地亚哥学术出版社,1990年)·Zbl 0711.62052号
[8] H.Gao,W.D.James,为什么直接LDA不等同于LDA。模式识别。39, 1002–1996 (2006) ·Zbl 1158.68467号 ·doi:10.1016/j.patcog.2005.11.016
[9] P.Howland,M.Jeon,H.Park,基于广义奇异值分解的聚类文本数据的保结构降维。SIAM J.矩阵分析。申请。25(1), 165–179 (2003) ·Zbl 1061.68135号 ·doi:10.1137/S0895479801393666
[10] R.Huang,Q.Liu,H.Lu,S.Ma,解决LDA的小尺寸问题,在Proc。第16届国际会议模式识别,第3卷(2002年),第29–32页
[11] C.Lee,D.Landgrebe,分析高维多光谱数据。IEEE传输。地质科学。遥感器31(7)、792–800(1993)·doi:10.1109/36.239901
[12] 卢军,K.N.Plataniotis,A.N.Venetsanopoulos,王军,一种有效的核判别分析方法。模式识别。38(10), 1788–1790 (2005) ·Zbl 1077.68804号 ·doi:10.1016/j.patcog.2005.02.005
[13] C.H.Park,H.Park《广义线性判别分析算法的比较》。模式识别。41, 1083–1097 (2008) ·Zbl 1132.68656号 ·doi:10.1016/j.patcog.2007.07.022
[14] B.Schölkopf、A.J.Smola,《使用内核学习——支持向量机、正则化、优化和超越》(麻省理工学院,剑桥,2002)
[15] G.Strang,线性代数及其应用,第三版。(麻省理工学院,剑桥,1998)·Zbl 1067.15500号
[16] D.L.Swets,J.Weng,使用鉴别特征进行图像检索。IEEE传输。模式分析。马赫。智力。18(8), 831–836 (1996) ·Zbl 05112133号 ·数字对象标识代码:10.1109/34.531802
[17] 吴伟,M.O.Ahmad,S.Samadi,基于修正广义奇异值分解的判别分析及其数值误差分析。IET计算。视觉。3(3), 159–173 (2009) ·doi:10.1049/iet-cvi.2007.0076
[18] J.Yang,A.F.Frangi,J.Yang,D.Zhang,Z.Jin,KPCA plus LDA:用于特征提取和识别的完整核fisher判别框架。IEEE传输。模式分析。马赫。智力。27(2), 230–244 (2005) ·Zbl 05110640号 ·doi:10.1109/TPAMI.2005.33
[19] J.Yang,D.Zhang,J.-Y.Yang,一种可处理小样本和高维问题的广义K-L展开方法。模式分析。申请。6, 47–54 (2003) ·Zbl 1035.68109号 ·doi:10.1007/s10044-002-0177-3
[20] J.Ye,R.Janardan,C.H.Park,H.Parks,欠采样问题广义判别分析的优化准则。IEEE传输。模式分析。马赫。智力。26(8), 982–994 (2004) ·Zbl 05112006号 ·doi:10.1109/TPAMI.2004.37
[21] J.Ye,T.Xiong,Q.Li,R.Janardan,J.Bi,V.Cherkasky,C.Kambhamettu,正则化线性判别分析的有效模型选择,收录于Proc。国际信息和知识管理会议(2006年),第5-11页
[22] H.Yu,J.Yang,一种用于人脸识别的高维数据直接LDA算法。模式识别。34, 2067–2070 (2001) ·Zbl 0993.68091号 ·doi:10.1016/S0031-3203(00)00162-X
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。