核诱导距离度量的鲁棒判别分析

摘要：

　　提出了基于核诱导距离度量的鲁棒判别分析算法(KI-RDA).KI-RDA不仅自然地推广了线性判别分析(LDA),而且推广了最近提出的强有力的基于非参数最大熵的鲁棒判别分析(MaxEnt-RDA).通过采用鲁棒径向基核,KI-RDA不仅能有效处理含噪数据,而且也适合处理非高斯分布的非线性数据,其本质的鲁棒性归咎于KI-RDA通过核诱导的非欧距离代替LDA的欧氏距离来刻画类间散度和类内散度.借助这些散度,为特征提取定义类似LDA的判别准则,导致了相应的非线性优化问题.进一步借助近似策略,将优化问题转化为直接可解的广义特征值问题,由此获得降维变换(矩阵)的闭合解.最后在多类数据集上进行实验,验证了KI-RDA的有效性.由于核的多样性,使KI-RDA事实上成为了一个一般性判别分析框架.

关键词： 人脸识别 特征提取 线性判别分析 核诱导距离度量 鲁棒控制

作者: WANG Sijun 王嗣钧 CHEN Songcan 陈松灿

作者单位: College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanj 南京航空航天大学计算机科学与技术学院,南京210016 College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanj 南京航空航天大学计算机科学与技术学院,南京210016;南京大学计算机软件新技术国家重点实验室,南京210093

会议类型: 国内会议

会议名称: 第29届中国数据库学术会议

会议地点: 合肥

会议语种:中文

页码: 788-796

在线出版日期: 2012-10-01（万方平台首次上网日期，不代表论文的发表时间）