期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
一种新的L_1度量Fisher线性判别分析研究 被引量:8
1
作者 余景丽 胡恩良 张涛 《计算机工程与应用》 CSCD 北大核心 2018年第4期128-134,共7页
Fisher线性判别分析(Fisher Linear Discriminant Analysis,FLDA)是一种典型的监督型特征提取方法,旨在最大化Fisher准则,寻求最优投影矩阵。在标准Fisher准则中,涉及到的度量为L_2范数度量,此度量通常缺乏鲁棒性,对异常值点较敏感。为... Fisher线性判别分析(Fisher Linear Discriminant Analysis,FLDA)是一种典型的监督型特征提取方法,旨在最大化Fisher准则,寻求最优投影矩阵。在标准Fisher准则中,涉及到的度量为L_2范数度量,此度量通常缺乏鲁棒性,对异常值点较敏感。为提高鲁棒性,引入了一种基于L_1范数度量的FLDA及其优化求解算法。实验结果表明:在很多情形下,相比于传统的L_2范数FLDA,L_1范数FLDA具有更好的分类精度和鲁棒性。 展开更多
关键词 FISHER线性判别分析 FISHER准则 l1范数度量 鲁棒性 特征提取
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部