首页> 中文期刊> 《科学技术与工程》 >一种新的高维小样本情况下的线性判别分析

一种新的高维小样本情况下的线性判别分析

         

摘要

针对高维小样本问题,对传统的"PCA+LDA"处理方法进行了两方面改进:首先,在降维过程中,选取主元的原则是使得Fisher准则函数取得较大值,而不是使得投影后样本在投影空间里的方差最小;其次,根据训练样本在模式空间的几何分布情况,重新定义了类内散度矩阵Sw,使之更准确地反映类内样本间的分布关系,提高了准则模型的精确性.实验结果证明了本文方法的有效性,和同类方法相比,就识别率而言,有较大提高.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号