论文部分内容阅读
线性判别分析（LDA）作为全局性降维的方法，在处理局部性边缘点的问题上存在不足，可能会导致边缘点的误分。针对该问题，提出一种新的降维方法，该方法基于图学习的思想，重新构造图，使得同类之间向中心靠拢的同时，不同类的K个近邻点远离该类中心。这样，高维数据在嵌入低维的过程中保持了样本的局部边缘点的特性，从而保证了边缘点的正确分类。：通过在UCI数据集和人脸数据库中实验，结果表明本方法的有效性。