东南大学学报(英文版)
東南大學學報(英文版)
동남대학학보(영문판)
JOURNAL OF SOUTHEAST UNIVERSITY
2013年
4期
395-399
,共5页
胡长晖%路小波%杜一君%陈伍军
鬍長暉%路小波%杜一君%陳伍軍
호장휘%로소파%두일군%진오군
直接线性鉴别分析%列选主的正交三角分解%节约型奇异值分解%降维%特征提取
直接線性鑒彆分析%列選主的正交三角分解%節約型奇異值分解%降維%特徵提取
직접선성감별분석%렬선주적정교삼각분해%절약형기이치분해%강유%특정제취
direct linear discriminant analysis%column pivoting orthogonal triangular decomposition%economic singular value decomposition%dimension reduction%feature extraction
针对传统DLDA算法计算复杂的问题,提出了DLDA/ESVD算法,该算法直接使用ESVD降维和提取非零特征值对应的特征向量.然后,为了提高DLDA/ESVD算法处理高维低秩矩阵的性能,提出了DLDA/QR-ESVD算法,该算法使用列选主QR分解降维,使用ESVD提取非零特征值对应的特征向量.在ORL,FERET和YALE数据库上的实验结果表明,所提出的2种算法具有几乎相同的性能,并在计算复杂性和训练时间方面优于传统的DLDA算法.另外,在随机数据矩阵上的实验结果表明,DLDA/QR-ESVD算法处理高维低秩矩阵的性能优于DLDA/ESVD算法.
針對傳統DLDA算法計算複雜的問題,提齣瞭DLDA/ESVD算法,該算法直接使用ESVD降維和提取非零特徵值對應的特徵嚮量.然後,為瞭提高DLDA/ESVD算法處理高維低秩矩陣的性能,提齣瞭DLDA/QR-ESVD算法,該算法使用列選主QR分解降維,使用ESVD提取非零特徵值對應的特徵嚮量.在ORL,FERET和YALE數據庫上的實驗結果錶明,所提齣的2種算法具有幾乎相同的性能,併在計算複雜性和訓練時間方麵優于傳統的DLDA算法.另外,在隨機數據矩陣上的實驗結果錶明,DLDA/QR-ESVD算法處理高維低秩矩陣的性能優于DLDA/ESVD算法.
침대전통DLDA산법계산복잡적문제,제출료DLDA/ESVD산법,해산법직접사용ESVD강유화제취비령특정치대응적특정향량.연후,위료제고DLDA/ESVD산법처리고유저질구진적성능,제출료DLDA/QR-ESVD산법,해산법사용렬선주QR분해강유,사용ESVD제취비령특정치대응적특정향량.재ORL,FERET화YALE수거고상적실험결과표명,소제출적2충산법구유궤호상동적성능,병재계산복잡성화훈련시간방면우우전통적DLDA산법.령외,재수궤수거구진상적실험결과표명,DLDA/QR-ESVD산법처리고유저질구진적성능우우DLDA/ESVD산법.