%0 Journal Article
%T 拉普拉斯最大最小判别分析及应用
%A 郑忠龙
%A 杨杰
%J 电子学报
%P 860-865
%D 2010
%X 提出了一种新的有监督降维方法：拉普拉斯最大最小判别分析(LaplacianMinMaxDiscriminantAnalysis,LMMDA)。LMMDA通过样本空间中成对点之间的距离定义类内和类间散度矩阵，并通过最小化类内散度、最大化类间散度以求得最优投影矩阵。在LMMDA最优子空间中，类内样本更为紧致，类间样本更为松弛。样本集的结构信息包含在类内、类间的Laplacian矩阵，并可以对最优投影子空间加以控制。在多个数据集上的实验证明了该算法的有效性。
%K 降维
%K 有监督学习
%K 判别分析
%K 拉普拉斯映射
%U http://www.ejournal.org.cn/CN/abstract/abstract2652.shtml