论文部分内容阅读
线性子空间学习方法是数据降维的传统方法,其中包括主成分分析(PCA)、典型相关分析(CCA)和线性判别法(LDA)等。通过对数据集的类内散度阵和类间散度阵进行分解以提高LDA的计算效率,同时用更简洁的矩阵形式表达并计算CCA方法中的投影矩阵,改进了传统的LDA和CCA算法,加速了算法中的迭代过程,避免了繁琐的迭代形式。