论文部分内容阅读
在传统类间散布矩阵理论的基础上,提出了类间的两两散布矩阵和类间重叠系数矩阵。传统的类间散布矩阵对于两类或多类的类别均值和全局均值之间距离值相近时难以区分,而且对于方差大而分类信息差的向量也无能为力。类间重叠系数矩阵可以剔除方差大而分类信息差的向量,两两类间散布矩阵则用于区分类别均值和全局均值之间距离值相近的向量。实验证明该方法生成的特征向量取得的分类效果较好。