自适应近邻局部比值和线性判别分析算法

作者：张家乐; 林浩申; 周科艺; 孙博; 杨晓君

来源：计算机工程与应用, 2022, 1-9.

• 降维
• 比值和
• 线性判别分析
• 自适应近邻

在机器学习和模式识别中，降维能够显著提升分类器的判别性能与效率。比率和(Ratio Sum， RS)是线性判别分析(Linear Discriminant Analysis， LDA)的一种全新变体，它试图使投影矩阵在每个维度上都达到最优。然而，RS并没有考虑到数据的局部几何结构，这就可能导致无法求得最优解。为了克服RS的这一缺点，提出了一种自适应近邻局部比值和线性判别分析算法(Adaptive Neighbor Local Ratio Sum Linear Discriminant Analysis， ANLRSLDA)。该算法使用自适应近邻的构图方法构建邻接矩阵，保留数据的局部几何结构完成了数据类间及类内矩阵的构建，从而更好地找到数据的最优表示；并且该方法采用有效的无核参数邻域分配策略来构造邻接矩阵，避免调整热核参数的需要。最后，在UCI数据集及人脸数据集进行了对比实验，验证了该算法的有效性。

• 单位
  广东工业大学