平均紧性约束下的最坏分离空间平滑判别分析

作者：牛璐璐; 陈松灿; 俞璐

来源：模式识别与人工智能, 2014, 27(09): 802-807.

DOI：10.16451/j.cnki.issn1003-6059.2014.09.004

• 判别分析
• 空间结构信息
• 空间平滑
• 平均散度
• 特征值优化

空间平滑的线性判别分析(SLDA)和基于空间平滑欧氏距离的线性判别分析(IMEDA)是目前结合图像特有的空间结构信息进行图像判别降维的两种主要方法,具有比线性判别分析(LDA)更显著的分类效果.与SLDA和IMEDA不同,文中通过参数化投影方向,约束平均类内散度(或紧性)上界和最大化最坏类间散度(或分离度),产生的降维算法分别称为WSLDA和WIMEDA.它们的求解最终可归结为简单的特征值优化问题,避免使用完整特征值分解的缺点.在Yale、AR和FERET标准人脸集上的实验验证它们的有效性.

• 单位
  计算机软件新技术国家重点实验室; 解放军理工大学; 南京大学; 南京航空航天大学