论文部分内容阅读
科学技术日新月异，我们从现实中采集到的数据越来越复杂，如何有效地描述数据，方便我们对这些数据进行分类、检索及识别等操作，已成为现实的迫切需要解决的问题。二维图像特征提取是一种有效的解决方案，它可以降低维数带来的计算复杂度。论文从二维数据的全局几何结构入手，综合考虑其与局部几何结构的关系，详细分析了现有学者提出的应用于二维数据判别分析算法，加以改进后提出了自己的算法，集成了二位数据的综合考虑了全局和局部结构的特征提取算法，主要内容和贡献有：1)详细分析了2DLDA的理论基础，并对其进行了一些改进。参考2DLPP所使用的局部统计结构信息，提出了基于二维图像的2DEFDC算法(Two-Dimension Enhanced Fisher Discriminate Criterion)，算法构造了一个邻接图来描述同类别数据的差异性信息，与2DLDA算法所保持的全局统计特性相结合，提出一个增强的Fisher判别准则，在发现数据内部判别结构的基础上可以保持几何分布结构，因此有比较好的泛化能力。2)对2DEFDC存在的一些问题，在边界数据的处理上可能存在较高的误判率，某些情况下破坏数据局部相似性结构的可能性等问题，针对性的提出了2DJGLDA(二维判别分析算法Two-Dimension Joint Global and LocalStructure Discriminate Analysis)算法，通过构造三个邻接图来分别描述同类别数据的差异性结构、同类别数据的相似性结构和不同类边界处的判别结构，然后通过使局部相似性离散度最小化、局部差异性离散度最大化，来保持数据的局部拓扑结构不被破坏，通过最大化边界判别离散度来挖掘出边界处存在的边界几何判别结构，并且与2DLDA的全局欧式结构结合，得到一个鲁棒的判别准则，这个鲁棒的准则把样本数据的全局分布信息和局部几何结构信息充分利用了起来，因此比只利用其中一种信息的判别方法有更好的分类效果，实验结果证实了这一点。