线性判别式分析(Linear Discriminant Analysis),简称为LDA。也称为Fisher线性判别(Fisher Linear Discriminant,FLD),是模式识别的经典算法,在1996年由Belhumeur引入模式识别和人工智能领域。
基本思想是将高维的模式样本投影到最佳鉴别矢量空间,以达到抽取分类信息和压缩特征空间维数的效果,投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离,即模式在该空间中有最佳的可分离性。
  1. Fisher线性判别分析:Fisher Linear Discriminant Analysis(FLD)
  2. 人脸识别:回顾与展望
  3. R语言lda(线性判别分析)各项结果的说明
  4. 3 人赞了 LDA(线性判别分析) - 知乎专栏
  5. Dimensionality Reduction——LDA线性判别分析实现篇
  6. Linear & Quadratic Discriminant Analysis · UC Business...
  7. Fisher Discriminant Analysis
  8. Linear & Quadratic Discriminant Analysis · AFIT Data...
  9. 3.1 Connection to Discriminant Analysis
  10. Linear Discriminant Analysis
  11. Linear and Quadratic Discriminant Analysis with confidence...
  12. Linear Discriminant Analysis
  13. Generalization Error of Linear Discriminant Analysis in
  14. Linear and Quadratic Discriminant Analysis with confidence...
  15. zhihu.com/lives
  16. Dykin's blog
  17. 静态分析简述 // Neurohazard
  18. 推荐阅读
  19. 如何看待《全球最大基金用人工智能炒股试验,回报率超500...
  20. 机器学习该怎么入门? - 知乎
展开全文
参考链接
父主题
微信扫码咨询专知VIP会员