典型文献
边界流形嵌入在特征提取中的应用
文献摘要：
样本点的边界信息对于分类具有重要意义.针对于边界Fisher分析(MFA)和局部敏感判别分析(LSDA)构造本征图和惩罚图所利用的样本点边界信息,在一些情况下并不能很好地表征不同类样本点的可分性,提出了一种新的图嵌入降维算法——边界流形嵌入(MME).MME算法根据样本点的标签信息,寻找距离每个样本点最近的异类边界子流形,再返回本类中寻找距离异类边界子流形最近的同类边界子流形,从而定义出不同类样本间密切联系的同类边界邻域和异类边界邻域.通过最大化所有成对的边界子流形之间的距离,MME算法可以得到更具有鉴别意义的低维特征空间.同时,MME算法能将徘徊在边界的离群点收入到边界邻域里,这对减弱离群点给算法带来的负面的影响有一定的帮助.在人脸数据库上的实验结果表明了MME算法提取的低维特征能够提升分类的准确率.
文献关键词：
边界;分类;图嵌入;降维;离群点
中图分类号：
作者姓名：
龚思聪;徐洁;万鸣华
作者机构：
广东工业大学 自动化学院,广州 510006;南京审计大学 信息工程学院,南京 211815
文献出处：
引用格式：
[1]龚思聪;徐洁;万鸣华-.边界流形嵌入在特征提取中的应用)[J].计算机工程与应用,2022(23):245-253
A类：
LSDA
B类：
边界流,流形嵌入,样本点,Fisher,MFA,局部敏感,判别分析,可分性,图嵌入,降维算法,MME,标签信息,异类,子流形,返回,回本,本类,离异,定义出,邻域,低维特征,特征空间,徘徊,离群点,点收,人脸
AB值：
0.346091
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
