论文部分内容阅读
线性辨别分析(LDA)特征空间的坐标轴是非正交的,并且基于LDA的分类器的性能容易受训练集变化的影响。Okada提出了一种优化正交系统,但运算量大,且增加了特征空间坐标轴的数目,影响分类器速度。本文提出一种新的正交分量辨别分析(OCDA),没有增加坐标轴的数目,并且稳定性和识别率都优于LDA。