一种基于最小分类错误率的改进型LDA特征选择算法

摘要

LDA是目前常用的较好的特征选择方法.然而散布矩阵不同时,LDA分类效果往往不理想.本文提出一种基于分类错误率最小的改进型LDA特征选择算法,采用迭代计算使Bayes分类错误率上界最小,能取得比原LDA更好的分类效果.对高维数据提出基于PCA预处理的"快速改进型LDA特征选择"减少求解迭代计算时间.针对Marill.T.提供的典型数据和MIN-IST手写体数字库的实验证实以上论点是正确的.