论文部分内容阅读
线性判别分析（Linear Discriminant Analysis，LDA）是用于降维和分类的方法，然而在遇到小样本问题时，由于全局散布矩阵是奇异的．所以传统的LDA方法是不适用的。为了解决LDA的这种缺点，提出了基于最小二乘线性判别分析（LeastSquares Linear Discriminant Analysis．LS—LDA）的正则化算法，在LS—LDA中分别加入关于加权矩阵的L1范数、L2范数和弹性网络的惩罚项、来解决小样本问题，使模型具有鲁棒性和稀疏性。在对回归分析、正则化方法和LS—L