文中借鑒經(jīng)典凸技術(shù)聚類算法中的全局線性降維算法PCA與LDA聚類算法思想,提出了一種改進型的PCA降維算法L-PCA,該算法在保證原有樣本協(xié)方差結(jié)構(gòu)不變的前提下,獲取變換矩陣中最重要的主分量進行賦權(quán),通過調(diào)節(jié)類內(nèi)與類間離散矩陣,使得類內(nèi)距離最小化、類間聚類最大化,來搜索一個合適的映射子空間來實現(xiàn)不同類別數(shù)據(jù)之間的劃分。通過典型數(shù)據(jù)集下的實驗結(jié)果很好的驗證了L-PCA算法在一階最近近鄰分類器泛化誤差、準確性以及目標數(shù)據(jù)表達連續(xù)性等方面的良好性能。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 降維問題的一般性描述
2 L-PCA算法
    2.1 凸技術(shù)下的線性流形學習
    2.2 算法思想
    2.3 算法步驟
3 實驗與分析
    3.1 實驗設計
    3.2 數(shù)據(jù)集
    3.3 實驗結(jié)果與討論
4 結(jié)論


【參考文獻】：
期刊論文
[1]一種融入PCA的LBP特征降維車型識別算法[J]. 董恩增,魏魁祥,于曉,馮倩.  計算機工程與科學. 2017(02)
[2]農(nóng)產(chǎn)品進出口貿(mào)易的季節(jié)特征識別[J]. 韓潔,田志宏,陳紅華.  中國農(nóng)業(yè)大學學報. 2016(10)
[3]基于PCA降維的多特征級聯(lián)的行人檢測[J]. 甘玲,鄒寬中,劉肖.  計算機科學. 2016(06)
[4]馬鈴薯黑心病和單薯質(zhì)量的透射高光譜檢測方法[J]. 高海龍,李小昱,徐森淼,黃濤,陶海龍,李曉金.  農(nóng)業(yè)工程學報. 2013(15)
[5]基于改進的局部保持投影算法的人臉識別[J]. 龔劬,華桃桃.  計算機應用. 2012(02)
[6]增量Hessian LLE算法研究[J]. 李厚森,成禮智.  計算機工程. 2011(06)
[7]一種計算圖像分形維數(shù)的有效方法[J]. 劉明芹,張曉光.  西安科技大學學報. 2009(03)
[8]基于局部與全局保持的半監(jiān)督維數(shù)約減方法[J]. 韋佳,彭宏.  軟件學報. 2008(11)
[9]統(tǒng)計模式識別中的維數(shù)削減與低損降維[J]. 宋楓溪,高秀梅,劉樹海,楊靜宇.  計算機學報. 2005(11)



本文編號：3683338