一种新的L1度量Fisher线性判别分析研究

来源：计算机工程与应用杂志2018年第4期北京时间：

作者：余景丽，胡恩良，张 涛

单位：云南师范大学 数学学院，昆明 650500

摘要：Fisher线性判别分析（Fisher Linear Discriminant Analysis，FLDA）是一种典型的监督型特征提取方法，旨在最大化Fisher准则，寻求最优投影矩阵。在标准Fisher准则中，涉及到的度量为[L2]范数度量，此度量通常缺乏鲁棒性，对异常值点较敏感。为提高鲁棒性，引入了一种基于[L1]范数度量的FLDA及其优化求解算法。实验结果表明：在很多情形下，相比于传统的[L2]范数FLDA，[L1]范数FLDA具有更好的分类精度和鲁棒性。

关键词：Fisher线性判别分析,Fisher准则,[L1]范数度量,鲁棒性,特征提取