基于列选主QR分解和节约型SVD的直接线性鉴别分析

摘要

针对传统DLDA算法计算复杂的问题,提出了DLDA/ESVD算法,该算法直接使用ESVD降维和提取非零特征值对应的特征向量.然后,为了提高DLDA/ESVD算法处理高维低秩矩阵的性能,提出了DLDA/QR-ESVD算法,该算法使用列选主QR分解降维,使用ESVD提取非零特征值对应的特征向量.在ORL,FERET和YALE数据库上的实验结果表明,所提出的2种算法具有几乎相同的性能,并在计算复杂性和训练时间方面优于传统的DLDA算法.另外,在随机数据矩阵上的实验结果表明,DLDA/QR-ESVD算法处理高维低秩矩阵的性能优于DLDA/ESVD算法.