稀疏张量局部线性鉴别分析

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：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.

作者：

沈珍军

展开 >

作者单位：

郑州工业应用技术学院信息工程学院河南新郑 451100

关键词：

线性鉴别分析 L2,1范数最近邻稀疏张量鉴别分析

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.09.019

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(9)