Incremental linear discriminant analysis with ordered weighted average operator for feature extraction

doi:10.1016/j.heliyon.2026.e45322

Incremental linear discriminant analysis with ordered weighted average operator for feature extraction

2026-08-29

0

OA

AI

DOI：10.1016/j.heliyon.2026.e45322

原文链接

原文求助

摘要

En 中文

增量线性判别分析(ILDA)是一种关键的监督降维工具，它将线性判别分析(LDA)的原理扩展为增量学习数据。然而，ILDA对不同类别距离赋予相同权重，这在类别距离可变的场景中可能并非最优。为克服此局限，本研究引入了一种利用有序加权平均(OWA)算子的ILDA算法，称为OWA-ILDA。首先，利用Yager权重方法结合OWA算子计算LDA的类间散度矩阵。然后通过Fisher判别准则推导出新投影矩阵，从而发展出OWA-LDA算法，该算法能有效处理类间距离可变的数据。此外，OWA-ILDA算法被设计用于降低增量数据集的维度。实现结果表明，OWA-ILDA在AR、YALE、ORL、FERET和MNIST数据集上实现了最高的识别率，从而证实了OWA算子对ILDA中类别区分和类内凝聚力的积极影响。

Keyword:

LDA

ILDA

OWA operator

Feature extraction

Between-class distance

Incremental linear discriminant analysis with ordered weighted average operator for feature extraction

摘要

期刊

机构

引用论文