[1]成 忠,诸爱士.一种适于高维小样本数据的线性判别分析方法 [J].浙江科技大学学报,2008,(02):98-101,113.
　CHENG Zhong,ZHU Ai-shi.Modified linear discriminant analysis and its application in the small samples problem with high dimension[J].,2008,(02):98-101,113.
点击复制

一种适于高维小样本数据的线性判别分析方法

()
分享到：

《浙江科技大学学报》[ISSN:2097-5236/CN:33-1431/Z]

卷:
期数:
2008年02期
页码:
98-101,113
栏目:
自然科学技术研究
出版日期:
2008-06-30

文章信息/Info

Title:
Modified linear discriminant analysis and its application in the small samples problem with high dimension
文章编号:
1671-8798(2008)02-0098-04
作者:
成 忠; 诸爱士
浙江科技学院 生物与化学工程学院，杭州 310023
Author(s):
CHENG Zhong; ZHU Ai-shi
关键词:
线性判别分析; 特征提取; 偏最小二乘; 模式分类; 药物光谱数据; 模式识别
分类号:
TP391.4;R911
文献标志码:
A
摘要:
针对高维小样本数据的类（模式）内离散度矩阵常为奇异，提出了一种改进的线性判别分析方法ModLDA。它通过嵌入偏最小二乘算法，完成投影方向矢量的稳健估计，进而提取出若干个特征变量。而后基于特征变量张成的低维空间，构造样本类别的线性判别函数。在实证中，将ModLDA应用于药物光谱数据的化学模式识别，结果显示ModLDA方法判别能力明显优于其他方法。

相似文献/References:

[1]楼天良,蒋惠忠.一种适于高维时间序列的特征提取方法 [J].浙江科技大学学报,2007,(02):89.
　LOU Tian-liang,JIANG Hui-zhong.Method of Feature Extraction Suitable for Hyperdimensional Time Series Data[J].,2007,(02):89.
[2]李小梅a,葛丁飞b.心肌梗死诊断中的SDEC可分性准则研究 [J].浙江科技大学学报,2006,(04):254.
　LI Xiao-mei,GE Ding-fei.Study of Separability Criterion Based on SDEC in Myocardial Infraction Diagnosis[J].,2006,(02):254.
[3]葛丁飞,李时辉,瞿晓.一种适于心电数据的可分性评价准则研究 [J].浙江科技大学学报,2005,(01):9.
　GE Ding-fei~,LE Shi-hui~,QU Xiao~.Research on a separability measurement criterion suitable for cardiac data[J].,2005,(02):9.
[4]叶绿,陈铖,Sugianto Sugianto,等.基于图像分割的驾驶员分心行为识别研究[J].浙江科技大学学报,2020,(03):209.
　Driver’s distracted behavior recognition research based on image segmentation[J].,2020,(02):209.
[5]崔志鹏,侯北平,翟智钰.基于卡尔曼滤波与均值聚类的汽车工况研究[J].浙江科技大学学报,2020,(06):549.
　Research on driving cycle based on Kalman filter and mean clustering[J].,2020,(02):549.

更新日期/Last Update: