基于改进3E-LDA的图像分类与识别

摘要

线性判别分析技术（LDA）是图像集分类中一个重要的研究课题，由于其在判别分析中的有效性和有效性而成为一种众所周知的监督降维子空间学习方法。然而，传统的线性判别分析方法由于其对异常值的敏感性、缺乏局部几何特征以及小样本（SSS）问题，导致识别和分类的精度不是很高。而3E-LDA通过最近邻（KNN），邻域保留嵌入算法以及零空间等方法改进了这些缺点。具有简单、非参数，高效的特点，提升了识别分类的准确率。但是3E-LDA对于少量训练集所得出的准确率还有待提升。提出了一种改进的3E-LDA算法，通过增加正则项来提升小规模训练集的测试准确率。