Neighborhood Graph Embedding Based Local Adaptive Discriminant Projection

Abstract

针对局部Fisher鉴别分析(LFDA)中样本近邻点个数对于最优投影方向的影响以及在度量类间离差度时未考虑不同类别样本近邻点的两点不足之处，该文提出一种基于自适应近邻图嵌入的局部鉴别投影算法，根据样本分布以及样本间的相似度自适应计算类内和类间近邻点，依据类内类间近邻点的个数定义局部类内与类间离差矩阵中的权值矩阵，通过最大化局部类间离差度最小化局部类内离差度，得到最优低维子空间。该算法不仅能够保持样本的局部信息，而且能够保持样本的鉴别信息，在人工数据以及标准数据库上的实验表明该方法是有效的。