拉普拉斯最大最小判别分析及应用.pdfVIP

第4期 电 子 学 报 Vd．38No．4 20lO年4月 ACIAⅡ正Cl限ONICASINICA Apt．2010 拉普拉斯最大最小判别分析及应用 郑忠龙1，杨杰2 (1．浙江师范大学计算机系，浙江金华321004；2．上海交通大学图像处理与模式识别研究所，上海200240) MinMaxDiscriminant 摘要： 提出了一种新的有监督降维方法：拉普拉斯最大最小判别分析(Laplacian Analysis， LMMDA)．LMMDA通过样本空间中成对点之间的距离定义类内和类间散度矩阵，并通过最小化类内散度、最大化类间 散度以求得最优投影矩阵．在LMMDA最优子空间中，类内样本更为紧致，类间样本更为松弛．样本集的结构信息包含 在类内、类间的hpkci粕矩阵，并可以对最优投影子空间加以控制．在多个数据集上的实验证明了该算法的有效性． 关键词： 降维；有监督学习；判别分析；拉普拉斯映射 中图分类号：TP391．4文献标识码： A 文章编号：0372．2112(2010)04-0860-05 MinMaxDiscriminantandIts Laplacian AnalysisApplications ZHENG Jie2 Zhong-longI，YANG (1．压m咖删of白舭Sdence，Zh4／a增Norma／u,a,m／tr，J／nhua，历咖略321004，踟m； 2．Institute Unitersity，Shanghai200240，Ch／na) ofImage№孵andPattern肠嘲7出拥，硒喇Jiaotong new inthis Abstract：A MinMaxDiscriminant algorithm，Laplacian AIlalysiS(t,MMDA)，ispfqlosedpaperfor跚删sed ofLinear Ix，；hlcfiOtl．I^帅Aaimsat alineartransformationwhichis锄extensionDiscnminant dimensionality learning Analysis definethewithin-classscatterandthebetween-class whicharebasedOfl (L】A)．Specificany，We sc蝴usir培similarities p臼jrwi∞ distancesin the considered withinthe涨class神硒closeas samplespace．Aftertransformation，thepa捌鸵samples possible， iscontainedinthe andthebe- whilethosebetweenclassesareasfaras