文件名称:线性判别分析与主成分分析及其相关研究评述_王晓慧.pdf
文件大小:327KB
文件格式:PDF
更新时间:2023-03-23 08:29:00
LDA PCA
:线性判别分析(LDA)和主成分分析(PCA)都在各个领域有着重 要的作用。他们各自抓住样本在特征空间的不同特征, 一般情况下更趋向于使 用LDA, 因为LDA直接处理类间的分析问题, 而PCA则没有突出类的结构。 然而实验证明PCA在某些问题上又明显优于LDA。于是, 改进或结合使用 LDA与PCA成了非常必要的课题。现阶段在这个领域上已经有许多优秀的研 究成果, 本文简单的介绍了其中几种效果较好的相关分析方法, 其中又以混合 判别分析(HDA)最优。HDA不仅同时抓住了样本的判别信息和描述信息, 使PCA与LDA在各种情况下达到平衡, 而且在二维参数空间中提供了一系列 的分析方法, 更有利于解决小样本问题和高维问题。BoostedHDA的提出通过 用迭代的方法改进弱分类器, 避免了HDA复杂的参数搜索, 并得到一种统一 计算HDA的方法。文章将在第三部分引用一些已有的实验结果来验证HDA的 优越性。