基于边界异类近邻关系构建的新特征提取方法
作者： 金陵科技学院软件工程学院; 江苏南京211169; 南京大数据研究院; 江苏南京211169
摘要：特征提取广泛应用于模式识别中。它去除原始样本的冗余信息,提取出有助于样本表示或分类的简洁有用的信息。线性鉴别分析（LDA）属于传统的监督特征提取方法,它旨在寻找最小化类内散度（方差）同时最大化类间散度（方差）的低维线性投影子空间。提出一种新的特征提取方法,旨在改进LDA,该方法在LDA的基础上,增加了每个类的中心点与该类边界异类样本的近邻关系,通过类中心对边界异类样本的排斥,扩大了类与类相互的边距,增强了类的可分性。YaleB人脸数据库和CENPARMI手写阿拉伯数字库中的实验结果,证明了新方法确实能够提高分类效果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社。
金陵科技学院学报杂志
金陵科技学院学报杂志， 季刊，本刊重视学术导向，坚持科学性、学术性、先进性、创新性，刊载内容涉及的栏目：工程技术、作物科学、动物科学与食品科学、控制科学与工程、数理科学、计算机与信息工程、软件工程、园艺学、动物科学、材料科学与工程、机械与自动化工程、园林园艺等。于1985年经新闻总署批准的正规刊物。
- 省级期刊
- 1个月内审核
