基于稀疏投影的Fisher准则方法

作     者：雷蕾 李波 

作者机构：武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 

基　　金：国家自然科学基金项目(61100106 61273303 61273225 61373109 61572381) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2016年第37卷第12期

页      码：3286-3289,3299页

摘      要：在进行数据模式分类时,数据通常呈现高维形式,造成维数"灾难",对高维数据进行特征提取降维变得尤为重要。在降维算法研究的基础上,提出一种基于稀疏投影的Fisher准则方法,实现高维数据的维数约简。充分考虑样本类别标签信息,结合改进的稀疏表示定义同类样本间的稀疏重构和异类样本间的稀疏重构,根据得到的同类稀疏系数矩阵和异类稀疏系数矩阵,构建基于Fisher准则,使类间散度最大化的同时类内散度最小化。在标准人脸数据上进行实验,实验结果验证了该算法在分类问题上的有效性和可行性。

主 题 词：降维 稀疏表示 类别信息 稀疏重构 Fisher准则 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.16208/j.issn1000-7024.2016.12.028

馆 藏 号：203210503...