.png){kind=icon}
返回
Distributed Sparse Manifold-Constrained Optimization Algorithm in Linear Discriminant Analysis
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging11030081.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在视频图像处理领域，高清晰度是未来发展的重要方向之一。面对超高清视频数据量日益增大所导致的维度灾难问题，有效的降维技术变得愈发重要。线性判别分析（LDA）是一种监督学习降维技术，已被广泛应用于数据预处理的降维以及视频图像处理任务中。然而，传统的LDA方法不适用于小样本高维数据的降维与处理。为了提高线性判别分析的准确性和鲁棒性，本文提出了一种新的分布式稀疏流形约束（DSC）优化LDA方法，称为DSCLDA，该方法引入了L2,0-范数正则化用于局部稀疏特征表示，并引入流形正则化用于全局特征约束。通过迭代硬阈值算子并将原问题转化为近似非凸稀疏优化问题，采用流形近端梯度（ManPG）方法作为分布式迭代求解方法。算法的每一步都有明确的解析解。仿真实验验证了该方法的有效性和正确性。与几种先进的稀疏线性判别分析方法相比，该方法有效提升了至少0.90%的平均分类准确率。
Keyword:
distributed sparse manifold constraint (DSC)
linear discriminant analysis (LDA)
manifold proximal gradient (ManPG)
non-convex sparse optimization
期刊
J
IF:
3.3
论文数:
1.1K
被引数:
4.4K
机构
暂无机构信息
引用论文
Adaptive and fuzzy locality discriminant analysis for dimensionality reduction.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
分享收藏Linear discriminant analysis with generalized kernel constraint for robust image classificationPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Fault Detection for Non-Gaussian Processes Using Generalized Canonical Correlation Analysis and Randomized Algorithms基于广义典型相关分析和随机算法的非高斯过程故障检测
PREAI
分享收藏
查看更多内容