Complexity-reduced implementations of complete and null-space-based linear discriminant analysis
Complexity-reduced implementations of complete and null-space-based linear discriminant analysis
复制标题
完整且基于零空间的线性判别分析的复杂性降低实现
DOI：
10.1016/j.neunet.2013.05.010
复制
发表时间：
2013-10
期刊：
影响因子：
7.8
通讯作者：
Zheng Wenming （郑文明）
中科院分区：
文献类型：
--
作者：
Lu Guifu;Zheng Wenming （郑文明）
在许多应用中，模糊性约简已经成为数据预处理的重要步骤。线性判别分析（LDA）是最著名的降维方法之一。然而，经典的LDA不能直接用于小样本（SSS）问题，类内散布矩阵是奇异的。在过去，已经报道了许多广义LDA方法来解决SSS问题。在这些方法中，完全线性判别分析（CLDA）和基于零空间的LDA（NLDA）提供了良好的性能。CLDA的现有实现在计算上是昂贵的。在本文中，我们提出了一个新的和快速的实现CLDA。我们提出的CLDA的实现，这是最有效的，是等价的CLDA的现有实现在理论上。由于CLDA是基于零空间的LDA（NLDA）的扩展，因此我们的CLDA实现也提供了NLDA的快速实现。在真实数据集上的实验表明了本文提出的新的CLDA和NLDA算法的有效性。
Dimensionality reduction has become an important data preprocessing step in a lot of applications. Linear discriminant analysis (LDA) is one of the most well-known dimensionality reduction methods. However, the classical LDA cannot be used directly in the small sample size (SSS) problem where the within-class scatter matrix is singular. In the past, many generalized LDA methods has been reported to address the SSS problem. Among these methods, complete linear discriminant analysis (CLDA) and null-space-based LDA (NLDA) provide good performances. The existing implementations of CLDA are computationally expensive. In this paper, we propose a new and fast implementation of CLDA. Our proposed implementation of CLDA, which is the most efficient one, is equivalent to the existing implementations of CLDA in theory. Since CLDA is an extension of null-space-based LDA (NLDA), our implementation of CLDA also provides a fast implementation of NLDA. Experiments on some real-world data sets demonstrate the effectiveness of our proposed new CLDA and NLDA algorithms.
登录
查看更多内容
影响因子：
3.7
作者：
T. Burr
通讯作者：
T. Burr
DOI：
10.1016/c2009-0-27872-x
发表时间：
1972
期刊：
影响因子：
--
作者：
H. Shimodaira;Iain Murray
通讯作者：
Iain Murray
DOI：
10.1002/0470854774.ch1
发表时间：
2006
期刊：
--
影响因子：
--
作者：
P. Pudil;P. Somol;M. Haindl
通讯作者：
P. Pudil;P. Somol;M. Haindl
DOI：
--
发表时间：
2007-03
期刊：
--
影响因子：
--
作者：
Haesun Park;Barry L. Drake;Sangmin Lee;C. Park
通讯作者：
Haesun Park;Barry L. Drake;Sangmin Lee;C. Park
DOI：
10.1007/bfb0015522
发表时间：
1996-04
期刊：
--
影响因子：
--
作者：
P. Belhumeur;J. Hespanha;D. Kriegman
通讯作者：
P. Belhumeur;J. Hespanha;D. Kriegman