基于自适应近邻图嵌入的局部鉴别投影算法.pdfVIP

第35 卷第3 期 电 子 与 信 息 学 报 Vol.35 No.3 2013 年3 月 Journal of Electronics Information Technology Mar. 2013 基于自适应近邻图嵌入的局部鉴别投影算法 王永茂*①② 徐正光① 赵 珊② ①(北京科技大学自动化学院 北京 100083) ②(河南理工大学计算机科学与技术学院 焦作 454000) 摘 要：针对局部Fisher 鉴别分析(LFDA)中样本近邻点个数对于最优投影方向的影响以及在度量类间离差度时未 考虑不同类别样本近邻点的两点不足之处，该文提出一种基于自适应近邻图嵌入的局部鉴别投影算法，根据样本分 布以及样本间的相似度自适应计算类内和类间近邻点，依据类内类间近邻点的个数定义局部类内与类间离差矩阵中 的权值矩阵，通过最大化局部类间离差度最小化局部类内离差度，得到最优低维子空间。该算法不仅能够保持样本 的局部信息，而且能够保持样本的鉴别信息，在人工数据以及标准数据库上的实验表明该方法是有效的。 关键词：模式识别；降维；自适应近邻图；局部Fisher 鉴别分析；分类识别 中图分类号：TP391.4 文献标识码： A 文章编号：1009-5896(2013)03-0633-06 DOI: 10.3724/SP.J.1146.2012.00793 Neighborhood Graph Embedding Based Local Adaptive Discriminant Projection ①② ① ② Wang Yong-mao Xu Zheng-guang Zhao Shan ① (School of Automation, University of Science and Technology Beijing, Beijing 100083, China) ② (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454000, China) Abstract: As a dimensionality reduction algorithm, Local Fisher Discriminant Analysis (LFDA) is faced with two problems: (1) how to select the favorable neighborhood size which may have effect on the optimal projection direction and (2) the neglect of neighborhood relationships between samples of different classes. In order to overcome the drawback of LFDA, a novel dimensionality reduction algorithm called neighborhood graph embedding based Local Adaptive Discriminant Projection (LADP) is propo