关键词:
线性鉴别分析
L2
1范数
最近邻
稀疏张量鉴别分析
摘要:
作为一种线性特征提取方法,线性鉴别分析(LDA)引起了广泛的注意。在LDA的基础上,研究者做了很多的研究工作,许多基于LDA的方法被提出。然而,LDA固有的一些问题并没有被这些改进方法很好地解决。LDA的主要缺点包括三点:一是对野点数据和噪声敏感;二是它仅仅保持了数据的全局结构,而忽略了数据的局部鉴别信息;三是传统的向量化形式破坏了数据之间的空间结构。对此,提出一种新的稀疏张量鉴别分析(STDA)方法。首先,K近邻图被构造,以保留数据的局部鉴别信息。其次,对投影矩阵施加L2,1约束,使所得到的方法对噪声比较鲁棒。最后,数据直接以张量的形式参加运算。所提出的方法在四个公共的图像库上进行了实验,实验结果表明了所提STDA方法的有效性。