基于邊界異類近鄰關系構建的新特征提取方法
作者：陶玉婷; 卓洋; 張澤宇; 周丹 金陵科技學院軟件工程學院; 江蘇南京211169; 南京大數據研究院; 江蘇南京211169
摘要：特征提取廣泛應用于模式識別中。它去除原始樣本的冗余信息,提取出有助于樣本表示或分類的簡潔有用的信息。線性鑒別分析（LDA）屬于傳統的監督特征提取方法,它旨在尋找最小化類內散度（方差）同時最大化類間散度（方差）的低維線性投影子空間。提出一種新的特征提取方法,旨在改進LDA,該方法在LDA的基礎上,增加了每個類的中心點與該類邊界異類樣本的近鄰關系,通過類中心對邊界異類樣本的排斥,擴大了類與類相互的邊距,增強了類的可分性。YaleB人臉數據庫和CENPARMI手寫阿拉伯數字庫中的實驗結果,證明了新方法確實能夠提高分類效果。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
金陵科技學院學報雜志
金陵科技學院學報雜志， 季刊，本刊重視學術導向，堅持科學性、學術性、先進性、創新性，刊載內容涉及的欄目：工程技術、作物科學、動物科學與食品科學、控制科學與工程、數理科學、計算機與信息工程、軟件工程、園藝學、動物科學、材料科學與工程、機械與自動化工程、園林園藝等。于1985年經新聞總署批準的正規刊物。
- 省級期刊
- 1個月內審核
