论文部分内容阅读
线性判别分析（LDA）具有很好的分类性能，但是计算复杂度一般较高。为了有效地降低LDA算法的计算复杂度，本文提出了一种基于k—means聚类的快速学习算法。该算法首先根据k—means聚类算法对原始样本进行聚类，计算聚类簇的样本中心作为新训练样本，然后再利用LDA算法进行分类。由于通过聚类算法有效地压缩了训练样本集的规模，因此算法具有更高的效率。在语音识别数据集上的实验充分验证了本文算法具有较好的分类性能，而且效率更高。