原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ComputerEngineeringandApplications计算机工程与应用2007，432（7）75
一种新的基于高斯混合模型的线性判别分析
12
黄国宏，刘刚
12
HUANGGuo-hong，LIUGang
1.广东工业大学信息工程学院，广州510006
2.上海电力学院电力与自动化工程学院，上海200090
1.SchoolofInformation，GuangdongUniversityofTechnology，Guangzhou510006，China
2.SchoolofElectricPowerandAutomationEngineering，ShanghaiUniversityofElectricPower，Shanghai200090，China
E-mail：h_guohong@163.com
HUANGGuo-hong，LIUGang.NewlineardiscriminantanalysisbasedonGaussianmixturemodel.ComputerEngineering
andApplications，2007，43（27）：75-77.
Abstract：Fishercriterionassumesthateachsamplehasaunimodal，symmetricdistributionforeachclass.However，whenthe
trainingsamplesizeislargeandtheirdistributionsaremultimodalorskewed，thedefinitionofclassicalFishercriterioncannot
correctlyreflectthedistributionofthedatainthesamplespace，inthatcase，thesetsofdiscriminantvectorsarenotoptimal
virtually.Aimingatthiscase，thispapergeneralizestheFishercriterionbyintroducingtheideaofGaussianmixturemodeland
proposesanewlineardiscriminantanalysis，atsametime，adirectalgorithmisproposed.Themethodisappliedtoletterimage
recognition，andtheexperimentalresultshowsthatthepresentmethodissuperiortotheexistingmethodsintermsofcorrect
classificationrate.
Keywords：lineardiscriminantanalysis；featureextraction；Fishercriterion；Gaussianmixturemodel
摘要：Fisher准则函数的前提条件就是假设每类样本数据满足单峰高斯分布，即各类样本在模式空间的分布近似椭球状，但是
当训练样本数据较多且呈多峰分布时，传统的Fisher准则函数并不能准确反映样本数据的分布，显然基于Fisher准则函数的线性
判别分析得到的最优判别矢量集也不是最优的。针对这种情况，通过引入高斯混合模型的概念，提出了一种新的基于高斯混合模
型的线性判别分析方法，同时也给出了在该模型下的最优判别矢量集的直接求解方法，并通过实验证明了该算法的有效性。
关键词：线性判别分析；特征提取；Fisher准则函数；高斯混合模型
文章编号：1002-8331（2007）27-0075-03文献标识码：A中图分类号：TP391.4
1引言来，Chen重新定义了Fisher准则函数的类间散度矩阵，突破了
在模式识别领域中，Fisher线性判别分析有着重大的影传统Fisher线性判别分析对于C类问题只能得到C-1个最优
[4]
响，其基本思想就是选择使得Fisher准则函数达到极值的向量判别矢量的不足。针对Foley-Sammon变换需要
文档评论（0）