论文部分内容阅读
有监督学习旨在样本数据集中找到最优判决向量。线性判别分析（LDA）和无关联线性判别分析（ULDA）是解决该问题的常用方法。研究中改进了古曲LDA方法使其与ULDA等价,并给出了相应求判决向量的ULDA/QR算法来简化ULDA中对判决向量的求解;为了有效地解决LDA方法和ULDA方法中类内散布矩阵奇异性的问题,提出了一种基于ULDA/QR,正则LDA和广义奇异值分解（GSVD）的无关联线性判别分析算法。