论文部分内容阅读
提出了一种新的有监督降维方法:拉普拉斯最大最小判别分析(Laplacian MinMax Discriminant Analysis,LMMDA).LMMDA通过样本空间中成对点之间的距离定义类内和类间散度矩阵,并通过最小化类内散度、最大化类间散度以求得最优投影矩阵.在LMMDA最优子空间中,类内样本更为紧致,类间样本更为松弛.样本集的结构信息包含在类内、类间的Laplacian矩阵,并可以对最优投影子空间加以控制.在多个数据集上的实验证明了该算法的有效性.