西安电子科技大学学报(自然科学版)JOURNALOFX1DIANUNIVERSITYdoi:10.3969/j.issn.l001-2400.2012.05.017多模态数据分类方法一类依赖增强线性判别分析任获荣，李春晓，孙建维，秦红波，何培培，高敏(西安电子科技大学机电工程学院，陕西西安710071)摘要：多模态数据，即某些类别的样本分布在两个或者更多个聚集区域中。本文在增强线性判别分析和类依赖线性判别分析的基础上，提出了类依赖增强线性判别分析，对多模态数据进行分类。算法利用增强线性判别分析的局部信息保持能力，在不破坏多模态局部结构的前提下，对数据进行降维；然后采用最大散度差线性鉴别分析准则对每一类样本获取一个投影矩阵，从而获取不同类的样本分布的特征差异。在人脸数据库上进行实验验证，结果表明改进方法分类效果好。关键词：多模态数据；分类；线性判别分析；增强线性判别分析；类依赖中图分类号：文献标识码：A文章编号：1001-2400(2012)05-0121-08Classificationmethodformultimodaldata-classdependentELBARENHuorong,LIChunxiao^SUNJianwei,QINHongbo,HEPeipei,GAOMin(SchoolofElectro-MechaiiicalEngineering,XidianUniv.,Xi'an71007LChina)Abstract:Multimodaldatarefertodiedataofaclasstliatcanbedividedintotwoormoreclusters.Tliispaperproposedanimprovedmethodcalledclass-<lependentandenhanced・LDAbycombiningenhancedLDAwithclass-dependentLDA(CDLDA)toclassifythemultimodaldata.Inthenewalgorithm,wcfirstuseEnhancedLDAtoreducethedimensionalityofmultimodaldatawidioutlosingthelocalstructureandthengetaprojectionmatrixforeachdataclasstoobtainthecharacteristicdifferencesfordifferentdataclassdistributionbymaximumscatterdifferencediscriminantanalysiscriterion.Experimentsonthefacedatabasesshowencouragingrecognitionperformanceoftheproposedalgorithm・KeyWords:multimodaldata;classification;LDA;enhancedLDA;class-dejDendence目前的很多分类方法假设每一个类的样本分布在同一个聚集区域中，对于同一个类的样本分布在两个或者更多个聚集区域情况，即多模态数据(MultimodalData),分类效果不好。针对这个问题，Luo⑴等人提出了局部保存投影方法(LPP),使位于原始输入空间中距离较近的样木点在特征空间内更加紧凑，可以有效保持多模态数据的局部结构特征；Manli等提出了子类别判别分析法，将多模态数据分为一系列子类；Kim等⑶提；11了局部线性判别分析方法，假设多模态数据是局部线性的，对局部信息根据Fishei•准则获取变换矩阵，授后得到多个局部线性变换矩阵，将样本通过局部线性投影矩阵投影至悔一个局部特征空间中；Harandi⑷为了解决多模态数据问题，引入了局部最优基的概念，根据不同的决策合并不同的局部最优基，获取局部信息，进而对多模态数据分类，使不同类的相邻样木不会混起在•起。2010年，H.Hu提出了增强线性判别分析(Enhanced线性判别分析，简称增强线性判别分析)叫具有局收稿日期：2011・06・30网络出版时间：2012-05-2316:33基金项目：中央高校基本科研业务费(K50510040013)作者简介：任获荣(1972-)，男，副教授，IW士，E-mail：hircn@rnail.xidiarLcdu.cn网络出版地址：http://www.cnki.net/kcms/detail/61.1076.TN.20120523.1633.201205.l21_014.html部信息保持能力，能在不破坏多模态的局部结构的前提下，对数据进行降维，可以解决多模态数据的分类问题。但是该方法利用同一个准则函数把所冇样本投影到同一个特征空间，忽略了不同类的样本分布的特征差杲。为了解决该问题，本文将增强线性判别分析和类依赖线性判別分析⑹结合，提出一种改进方法一类依赖增强线性判别分析，对以对每一个类根据_定的准则获取对该类别具有最大判别力的投影矩阵。1增强线性判别分析间设｛兀皿…,如为均值为0的样本集合，.冷“为类标志。定义样本^的类内最远的样本集合如下：半=｛x||x-x,||>||z—引,/（兀）=f（x）,V/（z）=/（兀）｝（1）样木^的类内最远距离为：A,（xi）=xi-xi（/）（2）第£类的类内离散度愆阵为:S*-€)(兀；-)£⑶//=!./=!其中计是第燃的...