张迪;李雪强;何家忠;杜明辉 一种新的基于L1-形式最大化和局部保持投影的线性判别分析算法。 （英文） Zbl 1425.68360号 PAA，模式分析。应用。 21，第3号，685-701（2018）. 摘要：基于一般L2范数的线性判别分析（LDA）对异常值很敏感，只捕获样本点的全局结构信息。本文提出了一种新的基于LDA的特征提取算法，通过统一的L1-形式优化框架集成全局和局部结构信息。与一般的基于L2-形式的LDA不同，该算法明确地包含了样本点的局部结构信息，并且对异常值具有鲁棒性。它还克服了类内散射矩阵的奇异性问题。在几个流行数据集上的实验证明了该算法的有效性。 MSC公司： 68T05型 人工智能中的学习和自适应系统 68吨10 模式识别、语音识别 关键词：特征提取;线性鉴别分析;本地信息;L1-形式;L2-形式;模式分类 软件：UCI-毫升;KPCA加LDA;ORL面 PDF格式BibTeX公司 XML格式引用 \textit{D.Zhang}等人，PAA，模式分析。申请。21，第3号，685--701（2018；Zbl 1425.68360） 全文： 内政部 参考文献： [1] Belhumeur PN、Hepanha JP、Kriegman DJ（1997）《特征脸与渔民脸：使用特定类别线性投影的识别》。IEEE跨模式分析-马赫积分19（7）：711-720 [2] Martinez AM，Kak AC（2001）PCA与LDA。IEEE Trans-Pattern Ana Mach Intell 23（2）：228-233 [3] 季S-W，叶J-P（2008）广义线性判别分析：一个统一的框架和有效的模型选择。IEEE Trans Neural Netw 19（10）：1768-1782 [4] Lu J-W，Plataniotis K，Venetsanopoulos A（2005）小样本情景下线性判别分析的正则化研究及其在人脸识别中的应用。图案识别信26:181-191 [5] Ye J，Li Q（2005）基于QR分解的两阶段线性判别分析。IEEE Trans-Pattern Ana Mach Intell 27（6）：929-941 [6] Howland P，Park H（2004）利用广义奇异值分解进行广义判别分析。IEEE跨模式分析-马赫积分26（8）：995-1006 [7] 叶J-P（2006）零空间的计算和理论分析与正交线性判别分析。J Mach学习研究7:1183-1204·Zbl 1222.62082号 [8] Chen L-F，Mark Liao HY，Ko MT，Lin J-C，Yu G-J（2000）一种新的基于LDA的人脸识别系统，可以解决小样本问题。图案识别33:1713-1726 [9] Yu H，Yang J（2001）一种用于人脸识别的高维数据直接LDA算法。图案识别34:2067-2070·Zbl 0993.68091号 [10] Cai D，He X，Han J（2008）SRDA：大规模判别分析的有效算法。IEEE Trans Knowl Data Eng 20（4）：1-12 [11] Yang J，Yang J-Y（2003）为什么LDA可以在PCA转换的空间中执行？图案识别36:563-566 [12] Hou C，Zhang C，Wu Y，Jiao Y（2009）稳定局部降维方法。图案识别42（9）：2054-2066·Zbl 1177.68171号 [13] Gao Q，Xu H，Li Y，Xie D（2010）二维监督局部相似性和多样性投影。图案识别43（10）：3359-3363·Zbl 1209.68415号 [14] Gao Q，Liu J，Zhang H，Hou J，Yang X（2012）图像识别的增强fisher判别准则。图案识别45（10）：3717-3724 [15] Zhang D，He J，Zhao Y，Luo Z，Minghui D（2014）Global plus local：一个完整的特征提取和识别框架。图案识别47（3）：1433-1442·Zbl 1326.68239号 [16] Black MJ，Rangarajan A（1996）《关于线过程、异常值剔除和稳健统计与早期视觉应用的统一》。国际J计算机视觉19（1）：57-91 [17] Pang Y，Li X，Yuan Y（2010）L1-norm稳健张量分析。IEEE传输电路系统视频技术20（2）：172-178 [18] Wang H，Tang Q，Zheng W（2012）基于L1范数的常见空间模式。IEEE Trans生物医学工程59（3）：653-662 [19] Ke Q，Kanade T（2003）使用L1范数的稳健子空间计算。匹兹堡卡内基梅隆大学，技术报告，CMU-CS-03-172 [20] Ke Q，Kanade T（2005）通过替代凸规划在存在离群值和缺失数据的情况下进行鲁棒L1范数分解。摘自：IEEE国际会议论文集计算机视觉模式识别，第739-746页 [21] 丁C，周D，何X，查H（2006）R1-PCA：稳健子空间分解的旋转不变L1-形式主成分分析。摘自：机器学习国际会议论文集，第281-288页 [22] Kwak N（2008）基于L1-形式最大化的主成分分析。IEEE Trans-Pattern Ana Mach Intell 30（9）：672-1680 [23] Li XL，Pang YW，Yuan Y（2009）基于L1范数的2DPCA。IEEE Trans-Syst Man-Cybern B Cybern 40（4）：1170-1175 [24] Li X，Hua W，Wang H，Zhang Z（2010）使用旋转不变L1范数的线性判别分析。神经计算73（13-15）：2571-2579 [25] Zhou F，Zhang J（2013）基于L1-形式最大化的线性判别分析。IEEE Trans-Image过程22（8）：3018-3027·Zbl 1373.94755号 [26] Roweis ST，Saul LK（2000）局部线性嵌入的非线性降维。科学290（5500）：2323-2326 [27] Tenenbaum JB，de Silva V，Langford JC（2000）非线性降维的全球几何框架。科学290（5500）：2319-2323 [28] Belkin M，Niyogi P（2002）拉普拉斯特征图和用于嵌入和聚类的光谱技术。Adv Neural Inf Process Syst 1:585-592 [29] Yan S，Xu D，Zhang B，Zhang-H，Yang Q，Lin S（2007）“图嵌入和扩展：降维的一般框架。IEEE Trans-Pattern Anal Mach Intell 29（1）：40-51 [30] Cai H-P，Mikolajczyk K，Matas J（2011）《图像描述符降维的线性判别投影学习》。IEEE Trans-Pattern Ana Mach Intell 33（2）：338-352 [31] Cui Y，Fan L（2012）一种新的监督降维算法：基于图形的Fisher分析。图案识别45（4）：1471-1481·Zbl 1231.68196号 [32] He X，Niyogi P（2004），局部保留投影。高级神经信息处理系统16:153-160 [33] Shu X，Gao Y，Lu H（2012）人脸识别中保持局部性的高效线性判别分析。图案识别45（5）：1892-1898·Zbl 1233.68203号 [34] Masashi S（2007）通过本地fisher判别分析对多模态标记数据进行降维。J Mach学习研究8:1027-1061·兹比尔1222.68312 [35] 王恩，陶德，高X，刘伟，李J（2013），传导性面部素描-照片合成。IEEE Trans Neural Netw学习系统24（9）：1364-1376 [36] Yang J，Zhang D，Yang J-Y，Niu B（2007）《全球最大化，局部最小化：无监督鉴别投影在面部和手掌生物特征识别中的应用》。IEEE Trans-Pattern Ana Mach Intell 29（4）：650-664 [37] Loog M，Duin RPW（2004）LDA的异方差扩展：Chernoff准则。IEEE Trans-Pattern Ana Mach Intell 26（6）：732-739 [38] Li X，Hao Z，Huang H（2010）用于全局优化的带排序竞争机制的进化算法。摘自：机器学习和计算国际会议论文集（ICMLC 2010），第3卷，第1550-1555页 [39] Frank A，亚松森A（2010）。UCI机器学习库。http://archive.ics.uci.edu/ml [40] Yang J，Frangi AF，Yang J、Zhang D、Jin Z（2005）KPCA plus LDA：用于特征提取和识别的完整核Fisher判别框架。IEEE Trans-Pattern Ana Mach Intell 27（2）：230-244 [41] Lu J，Plataniotis KN，Venetsanopoulos AN（2003）基于核直接判别分析算法的人脸识别。IEEE Trans神经网络14（1）：117-126 [42] ORL人脸数据库。AT&T（Olivetti）英国剑桥研究实验室。http://www.uk.research.att.com/facedatabasetml [43] http://vision.ucsd.edu/leekc/ExtYale数据库/耶鲁 [44] Tsai JT，Liu TK，Chou JH（2004）用于全局数值优化的混合田口遗传算法。IEEE Trans-Evol计算8（4）：365-377 [45] Leung YW，Wang YP（2001）用于全局数值优化的量化正交遗传算法。IEEE Trans-Evol计算5（1）：41-53 [46] Jenatton R、Obozinski G、Bach F（2010）结构化稀疏主成分分析。摘自：国际人工智能统计会议记录，第1-8页 [47] Zhong F，Zhang J，Li D（2014）基于L1范数最大化的判别局部保持投影。IEEE Trans Neural Netw学习系统25（11）：2065-2074 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。