代表性成果之一：Sparse Linear Discriminant Analysis With Constant Between-Class Distance for Feature Selection

成果展示

信息工程学院（计算机基础教学部）

文章发布时间：

2025-03-05

浏览次数：88

论文提出了一种新的特征选择方法——稀疏线性判别分析与恒定类间距离（SLDA-CBD）。该方法通过将传统的迹比线性判别分析（TR-LDA）转化为一个非迹比问题，并引入恒定类间距离约束，从而克服了TR-LDA的尺度不变性问题。同时，通过在投影矩阵上施加行约束，实现了特征选择。实验结果表明，该方法在图像和视频数据集上的表现优于多种现有方法，具有较高的稳定性和有效性。

研究成果在特征选择领域具有重要的理论和实践价值。通过提高特征选择的准确性和效率，该方法可以广泛应用于多媒体分析、计算机视觉和数据挖掘等领域，有助于提升相关领域的技术水平和应用效果。此外，该方法的高稳定性和有效性也使其在实际应用中具有较强的竞争力，能够为相关产业带来潜在的经济效益。

论文发表在《IEEE Access》期刊上。IEEE Access 是一个涵盖多个学科领域的开放获取期刊，致力于发表高质量的科研成果。该期刊由电气和电子工程师协会（IEEE）出版，具有较高的学术影响力和广泛的读者群体。论文作者为信息工程学院（计算机基础教学部）郭双乐博士团队，发表时间为2024年12月。