输入空间与特征空间中的加权 Fisher 判别分析
机器学习
2020-07-01 v1 计算机视觉与模式识别
机器学习
摘要
Fisher 判别分析（FDA）是一种子空间学习方法，分别最小化和最大化数据的类内散度和类间散度。尽管在 FDA 中，所有类别对都被同等对待，但某些类比其他类更接近。加权 FDA 为类别对分配权重以解决 FDA 的这一缺点。在本文中，我们提出了一种余弦加权 FDA 以及一种自动加权 FDA，其中权重是自动确定的。我们还在特征空间中提出了加权 FDA，以针对现有和新提出的权重建立加权核 FDA。我们在 ORL 人脸识别数据集上的实验表明了所提加权方案的有效性。
引用
@article{arxiv.2004.01857,
title = {Weighted Fisher Discriminant Analysis in the Input and Feature Spaces},
author = {Benyamin Ghojogh and Milad Sikaroudi and H. R. Tizhoosh and Fakhri Karray and Mark Crowley},
journal= {arXiv preprint arXiv:2004.01857},
year = {2020}
}
备注
Accepted (to appear) in International Conference on Image Analysis and Recognition (ICIAR) 2020, Springer