论文部分内容阅读
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DL—DA／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