L-PCA算法下的高维图像降维算法研究

发布时间：2022-09-29 21:30

　　文中借鉴经典凸技术聚类算法中的全局线性降维算法PCA与LDA聚类算法思想,提出了一种改进型的PCA降维算法L-PCA,该算法在保证原有样本协方差结构不变的前提下,获取变换矩阵中最重要的主分量进行赋权,通过调节类内与类间离散矩阵,使得类内距离最小化、类间聚类最大化,来搜索一个合适的映射子空间来实现不同类别数据之间的划分。通过典型数据集下的实验结果很好的验证了L-PCA算法在一阶最近近邻分类器泛化误差、准确性以及目标数据表达连续性等方面的良好性能。 

【文章页数】：6 页

【文章目录】：
0 引言
1 降维问题的一般性描述
2 L-PCA算法
    2.1 凸技术下的线性流形学习
    2.2 算法思想
    2.3 算法步骤
3 实验与分析
    3.1 实验设计
    3.2 数据集
    3.3 实验结果与讨论
4 结论


【参考文献】：
期刊论文
[1]一种融入PCA的LBP特征降维车型识别算法[J]. 董恩增,魏魁祥,于晓,冯倩.  计算机工程与科学. 2017(02)
[2]农产品进出口贸易的季节特征识别[J]. 韩洁,田志宏,陈红华.  中国农业大学学报. 2016(10)
[3]基于PCA降维的多特征级联的行人检测[J]. 甘玲,邹宽中,刘肖.  计算机科学. 2016(06)
[4]马铃薯黑心病和单薯质量的透射高光谱检测方法[J]. 高海龙,李小昱,徐森淼,黄涛,陶海龙,李晓金.  农业工程学报. 2013(15)
[5]基于改进的局部保持投影算法的人脸识别[J]. 龚劬,华桃桃.  计算机应用. 2012(02)
[6]增量Hessian LLE算法研究[J]. 李厚森,成礼智.  计算机工程. 2011(06)
[7]一种计算图像分形维数的有效方法[J]. 刘明芹,张晓光.  西安科技大学学报. 2009(03)
[8]基于局部与全局保持的半监督维数约减方法[J]. 韦佳,彭宏.  软件学报. 2008(11)
[9]统计模式识别中的维数削减与低损降维[J]. 宋枫溪,高秀梅,刘树海,杨静宇.  计算机学报. 2005(11)



本文编号：3683338